滚动轴承多分类故障诊断技术研究

刘 琦

（92493部队60分队，辽宁 葫芦岛 125000）

0 引言

滚动轴承是在机械设备中非常重要的关键部件之一。据统计，超过50%的旋转机器故障与轴承故障有关，实施滚动轴承状态监测与故障诊断具有非常重要的意义。

在当今工业现场，应用最多的是基于信号分析的故障诊断技术，其主要判据是故障特征频率和特征图谱。这种诊断方法要求技术人员熟悉设备的故障机理，了解设备的机械结构，储备大量的先验知识，但其诊断效率和准确度不高，难以适应日益复杂的机械设备系统。随着大数据时代的到来与人工智能技术的突破，机器学习显示出了巨大的潜力，智能诊断方法在故障诊断中显示出了充分的可行性和优越性[1]。在机电大数据时代，如何有效利用海量生产制造数据并发挥出数据的价值，越来越成为工业转型的研究热点和重要突破口。

1 轴承数据的预处理与挖掘分析

1.1 数据获取

滚动轴承出现损坏故障的原因是复杂多样的。大体上，可以将轴承的故障主要划分为以下3种：外圈故障、内圈故障、滚珠故障。本文轴承故障数据来源于DC竞赛开源数据的真实轴承振动信号数据集，数据集提供了792个数据样本。通过按时间序列连续采样，数值范围为1～6000，得到振动信号能量值。采用的轴承具有3种直径（直径1，直径2，直径3），结合3种故障状态，将轴承的故障类别定义为9类，外加正常的工作状态，共将轴承的工作状态定义为10类。标签数据代表轴承的工作状态，用数字0～9表示，轴承的工作状态类别见表1。……