ISSN1000 3762 CN41 1148/TH
测量与仪器
轴承2016年8期 Bearing 2016, No.8
46 49
基于小波奇异谱及SVDD的轴承故障检测方法
李勇发'，左小清’，杨芳"，徐晶
（1.昆明理工大学国土资源工程学院，昆明650093;2.黑龙江科技大学理学院，哈尔滨
150027）
摘要：针对传统轴承故障检测方法泛化能力较弱、训练样本数量需求过大、检测效果不佳的问题，提出了一种基于小波奇异谱及SVDD的滚动轴承故障检测方法。首先，利用dh5小波对正常振动信号进行5层小波分解，并计算出奇异值进行优选；然后，将优选出的奇异值输人SVDD中进行训练，得到超球体中心和半径；最后，利用判别函数进行分类，判断轴承是否存在故障。试验表明，该方法的检测正确率达到了98.6%，可用于轴承故障检测。
关键词：滚动轴承：故障诊断：小波分析：奇异谱：支持向量数据描述
中图分类号：TH133.33;TN911.7
文献标志码：B
文章编号：10003762(2016)08004604
FaultDetection MethodforBearingsBased onWavelet Singular
SpectrumandSVDD
Li Yongfa',Zuo Xiaoqing', Yang Fang', Xu Jing
( 1. Faculty of Land Resource Engineering, Kunming University of Science and Technology , Kunming 650093 China ;2. College of Science , Heilongjiang University of Science and Technology , Harbin 150027 , China)
Abstract : Aiming at such issues as weak generalization ability , excessive demand for training samples and poor detec-tion results of traditional fault detection method for bearing>, a fault detection method for rolling bearings is proposed based on wavelet singular spectrum and SVDD. Firstly, the normal vibration signal is decomposed with 5 level of wavelet by using db5 wavelet. The singular value is calculated for optimal selection. Then the optimal singular value is input into SVDD to training, and the hypersphere center and radius are obtained. Finally, the classification is carried out by using discriminant function to judge fault of bearings. The tests show that the correctness of improved detection method is 98. 6% , which can be used to detect fault of bearings.
Key words: rolling bearing; fault diagnosis ; wavelet analysis; singular spectrum; support vector dalta description
利用信号处理技术对滚动轴承进行故障检测主要涉及2个问题：1）提取故障信号的特征值，实现降维和去噪的目的：2）利用训练得到的模型进行故障检测1-2]。故障数据缺乏是故障检测的大难题，因难以获取样本数据而导致传统的检测方法效果不理想。
支持向量数据描述（SupportVectorDataDes-cription，SVDD）具有训练速度快、普适性强等优点，而且在分类过程中仅需一类样本，能够有效处理小样本数据[2-3]。但SVDD算法需要对二次规划向题进行求解，求解过程中的计算量与数据维
收稿日期：2016-02-03；修回日期：2016-05-12
数成正比，数据维数越高，就需要越多的样本数去准确描述目标类3]。因此，尝试利用小波分析方法分解初始信号，计算小波奇异谱值并进行优选，实现信号的降维和去噪，然后再使用SVDD进行故障诊断，以取得更好的分类效果。
故障诊断流程 1
1.1小波奇异值优选
在限定时间序列长度为N=2’的条件下，由信号J个尺度的分解构成的（J+1）×N矩阵为 D(J+1)×,其中;D,表示信号在j(j=1,2，*",J）尺度下的小波分解细节，S，表示信号J层小波分解的尺度。