基于威布尔分布和支持向量机的滚动轴承故障诊断法

第２４卷　第４期２０１０年７月湖南工业大学学报Ｊｏｕｒｎａｌ　ｏｆ　Ｈｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　ＴｅｃｈｎｏｌｏｇｙＶｏｌ．２４　Ｎｏ．４Ｊｕｌｙ２０１０

基于威布尔分布和支持向量机的

滚动轴承故障诊断方法

姜海燕，彭

涛

（湖南工业大学电气与信息工程学院，湖南株洲４１２００８）

摘要：提出了一种基于威布尔分布模型和支持向量机的滚动轴承故障诊断方法。首先对滚动轴承原始振

动信号建立威布尔分布模型，提取其形态参数和尺度参数构建表征轴承运行状态的特征向量，然后将提取的特征向量输入支持向量机分类器进行故障诊断和识别。分别与基于小波分解和小波包分解特征提取的支持向量机诊断方法进行滚动轴承故障试验仿真比较，结果表明，基于威布尔分布模型特征提取的支持向量机诊断方法具有更高的故障识别准确率。

关键词：威布尔分布模型；特征提取；支持向量机；滚动轴承；故障诊断

中图分类号：ＴＰ２０６＋．３　　　　　　　　　　　　　　　　　　　　　　　　　文献标志码：Ａ　　　　　　　　　　　　　　　　　　　　　　　　　文章编号：１６７３－９８３３（２０１０）０４－００９２－０６

Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　ｏｆ　Ｒｏｌｌｉｎｇ　Ｂｅａｒｉｎｇｓ　Ｂａｓｅｄ　ｏｎ　Ｗｅｉｂｕｌｌ　Ｄｉｓｔｒｉｂｕｔｉｏｎ

ａｎｄ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ

Ｊｉａｎｇ　Ｈａｉｙａｎ，Ｐｅｎｇ　Ｔａｏ

（Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｚｈｕｚｈｏｕ　Ｈｕｎａｎ　４１２００８，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａ　ｎｏｖｅｌ　ａｐｐｒｏａｃｈ　ｔｏ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｏｆ　ｒｏｌｌｉｎｇ　ｂｅａｒｉｎｇｓ　ｂａｓｅｄ　ｏｎ　Ｗｅｉｂｕｌｌ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｍｏｄｅｌ　ａｎｄ　ｓｕｐｐｏｒｔｖｅｃｔｏｒ　ｍａｃｈｉｎｅ　ｉｓ　ｐｒｏｐｏｓｅｄ．　Ｆｉｒｓｔｌｙ，　Ｗｅｉｂｕｌｌ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｍｏｄｅｌ　ｆｏｒ　ｏｒｉｇｉｎａｌ　ｖｉｂｒａｔｉｏｎ　ｓｉｇｎａｌ　ｏｆ　ｒｏｌｌｉｎｇ　ｂｅａｒｉｎｇｓ　ｉｓ　ｓｅｔ　ｕｐ，　ａｎｄ　ｉｔｓｓｈａｐｅ　ｐａｒａｍｅｔｅｒｓ　ａｎｄ　ｓｃａｌｅ　ｐａｒａｍｅｔｅｒｓ　ａｒｅ　ｅｘｔｒａｃｔｅｄ．　Ｔｈｅｎ　ｔｈｅ　ｅｘｔｒａｃｔｅｄ　ｆｅａｔｕｒｅ　ｖｅｃｔｏｒｓ　ａｒｅ　ｔｒａｎｓｍｉｔｔｅｄ　ｔｏ　ｔｈｅ　ｃｌａｓｓｉｆｉｅｒ　ｏｆｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ　ｆｏｒ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ．　Ｉｔ　ｉｓ　ｃｏｍｐａｒｅｄ　ｔｏ　ｔｈｅ　ｃｏｍｍｏｎ　ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ　ｍｅｔｈｏｄｓ　ｂａｓｅｄ　ｏｎｗａｖｅｌｅｔ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ　ａｎｄ　ｗａｖｅｌｅｔ　ｐａｃｋｅｔ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ．　Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｍｅｔｈｏｄｈａｓ　ｔｈｅ　ｈｉｇｈｅｒ　ａｃｃｕｒａｃｙ　ｆｏｒ　ｆａｕｌｔ　ｒｅｃｏｇｎｉｔｉｏｎ．

Ｋｅｙｗｏｒｄｓ：Ｗｅｉｂｕｌｌ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｍｏｄｅｌ；ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ；ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ；ｒｏｌｌｉｎｇ　ｂｅａｒｉｎｇｓ；ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ

０引言

轴承是旋转机械中最常用、也最易发生故障的零

提取的主要方法有：基于时域分析及时序建模的特征提取法，基于常规谱分析的特征提取法，及基于时－频分析的特征提取法（如小波分解、小波包分解）等［１－２］。威布尔分布（Ｗｅｉｂｕｌｌ　ｄｉｓｔｒｉｂｕｔｉｏｎ）是１９３９年瑞典人威布尔为描述材料疲劳强度而提出的一种统计模

部件之一。轴承故障诊断能否成功，很大程度上取决于故障特征的提取是否有效。常用于轴承故障特征

收稿日期：２０１０－０３－２０

基金项目：国家自然科学基金资助项目（６０７７４０６９），中国博士后科学基金资助项目（２００７０４１０４６２），湖南省教育厅科技计划基

金资助项目（０７Ｃ００５）通信作者：姜海燕（１９８４－），女，湖南邵阳人，湖南工业大学硕士研究生，主要研究方向为信号处理与模式识别，Ｅ－ｍａｉｌ：ｊｉａｎｇｈａｉｙａｎ１００７＠１６３．ｃｏｍ