基于BO优化SVM轴承故障的静电信号识别方法

来源：电子测量技术杂志2024年第18期北京时间：

作者：吴江平，刘若晨，孙见忠，左洪福，张兰春

单位：1.江苏理工学院汽车与交通工程学院 常州 213001; 2.南京航空航天大学民航学院 南京 211106

摘要：针对新型静电监测技术应用于滚动轴承故障诊断时，静电信号易受干扰、故障识别率偏低的问题，提出了一种基于贝叶斯优化（BO）与支持向量机（SVM）相结合的滚动轴承故障静电信号识别方法。首先，通过搭建的静电仿真试验平台，采集轴承高速下不同磨损状态的静电信号，根据时域特征参数选取不同工况下的特征集；再对该模型最小误差的超参数进行选取，达到完成诊断模型训练的效果，用训练后混淆矩阵结果来评估各个模型的诊断精度。研究结果表明，本方法对静电监测下不同故障特征的轴承均具有一定识别能力，贝叶斯优化算法可以有效提高识别效率，其平均识别准确率可达98.82%。

关键词：滚动轴承;故障识别;静电监测;支持向量机;贝叶斯优化

基金资助：国家自然科学基金(51705221,U2233204,52072176)、江苏理工学院研究生实践创新计划项目(XSJCX23_71)资助