基于谐波小波包和DAG-RVM 的滚动轴承故障诊断 - 计算机应用与软件.PDF

第３４卷第５期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．５ ２０１７年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１ ７ 基于谐波小波包和ＤＡＧＲＶＭ的滚动轴承故障诊断 齐　磊　王海瑞　李宇芳　李　英　任玉卿 （昆明理工大学信息工程与自动化学院　云南昆明６５０５００） 摘　要　　针对传统滚动轴承故障诊断方法受人为因素影响较为严重，故障成因相对复杂等问题，在现有的研究 基础上提出一种基于小波包分析和有向无环图相关向量机相结合的故障诊断方法。将滚动轴承在不同的故障条 件下的振动信号进行谐波小波包分解与重构，提取频带能量作为特征向量，应用有向无环图相关向量机建立从特 征向量到故障模式之间的映射，最终做到对滚动轴承的故障诊断。结果表明，该方法能够快速准确地诊断出滚动 轴承故障，验证了该方法的有效性和稳定性。此外，通过与支持向量机（ＳＶＭ）的对比分析，显示了ＲＶＭ在智能故 障诊断应用中的优越性。 关键词　　谐波小波包　有向无环图　相关向量机　故障诊断 中图分类号　ＴＰ３９１．１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０５．０１１ ＦＡＵＬＴＤＩＡＧＮＯＳＩＳＯＦＲＯＬＬＩＮＧＢＥＡＲＩＮＧＢＡＳＥＤＯＮＨＡＲＭＯＮＩＣ ＷＡＶＥＬＥＴＰＡＣＫＥＴＡＮＤＤＡＧＲＶＭ ＱｉＬｅｉ　ＷａｎｇＨａｉｒｕｉ　ＬｉＹｕｆａｎｇ　ＬｉＹｉｎｇ　ＲｅｎＹｕｑｉｎｇ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５０５００，Ｙｕｎｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｖｉｅｗｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｒｏｌｌｉｎｇｂｅａｒｉｎｇｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｓｉｓａｆｆｅｃｔｅｄｂｙｈｕｍａｎｆａｃｔｏｒｓ，ａｎｄｔｈｅ ｃａｕｓｅｏｆｔｈｅｆａｕｌｔｉｓｒｅｌａｔｉｖｅｌｙｃｏｍｐｌｅｘ．Ｂａｓｅｄｏｎｔｈｅｅｘｉｓｔｉｎｇｒｅｓｅａｒｃｈ，ａｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎｗａｖｅｌｅｔｐａｃｋｅｔ ａｎａｌｙｓｉｓａｎｄａｃｙｃｌｉｃｇｒａｐｈｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｏｆｔｈｅｒｏｌｌｉｎｇｂｅａｒｉｎｇ ｕｎｄｅｒｄｉｆｆｅｒｅｎｔｆａｕｌｔｃｏｎｄｉｔｉｏｎｓａｒｅｄｅｃｏｍｐｏｓｅｄａｎｄｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙｈａｒｍｏｎｉｃｗａｖｅｌｅｔｐａｃｋｅｔ，ａｎｄｔｈｅｆｒｅｑｕｅｎｃｙｂａｎｄ ｅｎｅｒｇｙｉｓｅｘｔｒａｃｔｅｄａｓｆｅａｔｕｒｅｖｅｃｔｏｒ．Ｔｈｅｍａｐｐｉｎｇｆｒｏｍｆｅａｔｕｒｅｖｅｃｔｏｒｔｏｆａｕｌｔｍｏｄｅｉｓｅｓｔａｂｌｉｓｈｅｄｂｙｕｓｉｎｇａｃｙｃｌｉｃｇｒａｐｈ ｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅ，ｆｉｎａｌｌｙｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇｉｓｓｏｌｖｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎ ｑｕｉｃｋｌｙａｎｄａｃｃｕｒａｔｅｌｙｄｉａｇｎｏｓｅｒｏｌｌｉｎｇｂｅａｒｉｎｇｆａｕｌｔｓ，ａｎｄｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄｓｔａｂｉｌｉｔｙｏｆｔｈｅｍｅｔｈｏｄ．Ｉｎ ａｄｄｉｔｉｏｎ，ｃｏｍｐａｒｅｄｗｉｔｈＳＶＭ，ｉｔｓｈｏｗｓｔｈｅｓｕｐｅｒｉｏｒｉｔｙｏｆＲＶＭｉｎｉｎｔｅｌｌｉｇｅｎｔｆａｕｌｔｄｉａｇｎｏｓｉｓａｐｐｌｉｃａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　Ｈａｒｍｏｎｉｃｗａｖｅｌｅｔｐａｃｋｅｔ　Ｄｉｒｅｃｔｅｄａｃｙｃｌｉｃｇｒａｐｈ　Ｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅ　Ｆａｕｌｔｄｉａｇｎｏｓｉｓ 并且它们之间的关系是复杂的、非线性的。当前常用