基于PCA_ICA与SVM的滚动轴承故障诊断研究

朱 川,刘汉忠,李 宁

(南京工程学院自动化学院, 江苏 南京 211167)

滚动轴承具有较高的使用率和较高的损坏率两个特点,在一些大型水利工程中,一旦滚动轴承出现故障就会导致整个工程瘫痪,这将严重损害人民群众的财产和生命安全.电力研究协会(EPRI)的研究表明,约42%的电机故障来源于轴承,因此对滚动轴承的监测与诊断就显得非常重要[1].目前,对滚动轴承生命周期的监测与维护越来越受到国内外企业的重视,通过滚动轴承的在线监测系统可以提前发现故障征兆及故障原因,对故障的趋势做出判断并及时维修,从而避免事故的发生.

目前针对滚动轴承的故障诊断主要着眼于振动、温度、摆度等方面[2],其中根据轴承运行中产生的周期性冲击信号进行分析诊断的方法最为常用[3],滚动轴承运行产生的振动信号复杂多变且具有非线性,常用时域特征来表达[4].但是时域特征众多且彼此之间存在关联现象[5-7],这些特点都将影响故障特征提取的精度,同时也会对故障分类产生干扰.针对这种特征数据维度较高的问题,文献[8]提出一种利用主成分分析降低数据维度的方法,该方法可以有效去除数据之间的关联性、降低数据的维度,但无法去除数据内部存在的干扰噪声信号；针对滚动轴承非线性的故障信号中存在强噪声的问题,文献[9]提出一种利用独立分量将故障信号从伴有强噪声的源信号中提取出来的方法,该方法可发现……