基于ITD复杂度和PSO-SVM的滚动轴承故障诊断

来源：振动与冲击杂志2016年第24期北京时间：

作者：张小龙，张氢，秦仙蓉，孙远韬

单位：同济大学 机械与能源工程学院，上海 201804

摘要：针对滚动轴承故障诊断问题，提出了一种基于固有时间尺度分解（ITD）、Lempel-Ziv复杂度特征和粒子群优化支持向量机（PSO-SVM）的故障诊断新方法。首先对滚动轴承的振动信号使用ITD方法进行分解，得到若干个频率由高到低的固有旋转（PR）分量，由于滚动轴承在不同的故障状态下的PR分量Lempel-Ziv复杂度的分布不同，提取各PR分量的Lempel-Ziv复杂度值作为每个样本的特征向量，使用支持向量机（SVM）对轴承振动信号样本进行故障类型的识别，并用粒子群优化（PSO）方法对支持向量机的参数优化以获得较高的识别准确率。对滚动轴承振动信号的实测结果的分析表明：该方法可以实现对滚动轴承快速、准确地诊断，且不受载荷变化的影响。<br>

关键词：固有时间尺度分解；Lempel-Ziv复杂度；支持向量机；粒子群优化；滚动轴承；故障诊断