基于双树复小波和自适应权重和时间因子的粒子群优化支持向量机的轴承故障诊断

张淑清 胡永涛 姜安琦 吴 迪 陆 超 姜万录

1.燕山大学电气工程学院,秦皇岛，0660042.中南大学信息科学与工程学院，长沙，4100063.燕山大学机械工程学院，秦皇岛，066004

基于双树复小波和自适应权重和时间因子的粒子群优化支持向量机的轴承故障诊断

张淑清1胡永涛1姜安琦2吴 迪1陆 超1姜万录3

1.燕山大学电气工程学院,秦皇岛，0660042.中南大学信息科学与工程学院，长沙，4100063.燕山大学机械工程学院，秦皇岛，066004

提出了一种基于双树复小波和具有自适应权重和时间因子的粒子群算法优化支持向量机的轴承故障诊断方法。首先对机械振动信号进行DTCWT变换，提取能量熵作为特征向量。然后采用AWTFPSO算法优化SVM，实现轴承故障诊断。不同方法的对比实验及分析结果表明，该方法速度快、准确率高。

双树复小波；支持向量机；粒子群算法；自适应权重和时间因子；故障诊断

0 引言

机械故障诊断技术是保证生产系统安全稳定运行和提高产品质量的重要手段和关键技术，其研究的关键在于信号特征提取和模式识别。常用的特征提取方法有傅里叶变换[1]、小波变换[2]和S变换[3]等，主要的分类器有神经网络[4]、支持向量机[5]和贝叶斯分类器[6]等。小波变换大量成功应用于信号特征提取[7]，但实小波变换存在平移敏感性、方向性差、相位信息缺乏等缺点。复小波变换因其优异的特性，能以较小代价同时克服实小波变换的多个缺点，逐渐成为信号处理领域的研究热点[8]。 双树复小波(dual-tree complex wavelet transform，DTCWT)具有一般复小波的优良特性，并且采用双树结构保证信号完整重构，同时具有平移不变性、方向选择性、抑制频率混叠、有限冗余度和高效计算能力[9]。……