试述向量基于支持向量机滚动轴承故障诊断策略科研方法和

摘要：轴承是旋转机械的核心部件与易损件。一般工业用途的旋转机械大多利用滚动轴承,在旋转机械中起着非常重要的作用,对其进行监测和故障诊断是学术界和产业界一直非常关注的课题。滚动轴承出现故障将可能导致设备的噪音和非正常振动,严重的将可能导致整台设备乃至整条生产线都不能正常运转。由此,对滚动轴承的故障诊断进行探讨具有重要的论述作用和运用价值。本论文结合江西省自然科学基金项目的探讨内容,重点探讨了基于小波包浅析和支持向量机的滚动轴承故障诊断策略。借助设计的滚动轴承实验台以及数据采集系统,进行了滚动轴承模拟故障试验。在此基础上探讨了小波浅析论述,利用小波包浅析完成了对数据采集系统采集的原始振动信号数据的降噪和故障特点提取,最后结合在少样本分类中具有显著优势的支持向量机(Support Vector Machine,简称SVM)论述,提出基于小波包浅析和支持向量机相结合的故障诊断策略。本论文的主要工作：1、首先探讨了滚动轴承的振动机理、失效形式和检测技术,浅析了常见检测策略优点和不足基础,采取测量滚动轴承的勺振动信号数据进行轴承的故障诊断,进而探讨了滚动轴承的振动机理和特点频率2、浅析了统计学习论述和支持向量机的基本思想,并将支持向量机引入到滚动轴承的故障诊断中,给出了支持现量机运用于滚动轴承故障诊断的基本步骤和策略。3、以QPZ-I故障模拟试验平台为对象,设计了试验台振动数据采集系统,进行了滚动轴承内圈、外圈和滚动体的故障模拟,为滚动轴承的故障特点提取提供诊断数据。4、以模拟的滚动轴承故障数据为诊断对象,探讨了基于小波浅析的信号降噪和运用小波包分解提取故障特点的策略,结合Matlab平台的优势,探讨了基于小波包分解的滚动轴承信号特点提取策略,并进行实例进行了浅析。5、针对标准支持向量机不能直接用于解决故障诊断这种典型多值分类不足的不足,浅析了支持向量机多值分类策略,采取二叉树多值分类算法构建分类器模型,结合小波包分解提取的振动故障特点向量,进行了滚动轴承的故障诊断,并探讨了影响SVM分类精度的核参数的参数优化。仿真结果验证了支持向量用于滚动轴承故障诊断的正确性和有效性。综上所述,本论文所探讨的基于支持向量机的滚动轴承故障诊断策略是可行的,浅析和诊断结果与实际吻合,能够满足滚动轴承故障诊断的要求,对滚动轴承的故障诊断具有一定的指导作用。关键词：滚动轴承论文故障诊断论文小波浅析论文支持向量机论文

摘要2-3

Abstract3-5

目录5-7

第一章 绪论7-15

1.1 课题的探讨作用及来源7-8

1.2 滚动轴承故障诊断系统国内进展近况与前景8-12

1.2.1 进展近况8-10

1.2.2 进展前景10-12

1.3 关键技术进展12-13

1.3.1 小波论述进展12

1.3.2 支持向量机进展12-13

1.4 论文的主要探讨内容及结构安排13-15

第二章 滚动轴承的振动机理及故障特点15-21

2.1 滚动轴承的失效及检测策略15-17

2.1.1 滚动轴承失效形式15-16

2.1.2 故障进展历程16-17

2.1.3 滚动轴承检测策略17

2.2 振动机理17-18

2.3 滚动轴承的振动频率浅析18-20

2.4 本章小结20-21

第三章 统计学习论述与支持向量机21-35

3.1 统计学习论述21-25

3.1.1 VC维22-23

3.1.2 推广性界23

3.1.3 结构风险最小化23-25

3.2 支持向量机25-31

3.2.1 线性情况下的最优超平面构造26-27

3.2.2 非线性情况27-28

3.2.3 参数优化28-29

3.2.4 增量学习29-31

3.3 基于SVM的滚动轴承故障诊断步骤31-32

3.4 算例验证32-34

3.5 本章小结34-35

第四章 滚动轴承振动故障试验设计35-42

4.1 试验总体设计35-36

4.2 实验硬件设计36-39

4.3 实验软件设计39-41

4.4 本章小结41-42

第五章 基于小波浅析的滚动轴承降噪及信号特点提取42-54

5.1 小波论述进展42-43

5.2 小波浅析基础43-46

5.3 小波包浅析46-48

5.3.1 小波包定义46-47

5.3.2 小波包分解重构47-48

5.4 小波变换在滚动轴承故障诊断中的运用48-53

5.4.1 利用小波包进行故障频率浅析48-49

5.4.2 小波变换在信号降噪上的运用49-51

5.4.3 小波变换运用于信号特点提取51-53

5.5 本章小结53-54

第六章 基于支持向量机的故障诊断策略54-61

6.1 多故障分类器模型的建立54-56

6.3 实验探讨56-59

6.4 结果浅析与讨论59-60

6.5 本章小结60-61

第七章 总结与展望61-63

7.1 总结61

7.2 展望61-63