資源描述：
《基于小波包與SVM的滾珠絲杠故障診斷.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2014年10月機床與液壓0ct．2014第42卷第19期MACHINET0OL＆HYDRAULICSV0l_42No．19DOI：10．3969／j．issn．1001—3881．2014．19．047基于小波包與SVM的滾珠絲杠故障診斷孟祥敏，宋平，譚繼文(青島理工大學，山東青島266033)摘要：采取小波包方法對數(shù)控機床滾珠絲杠故障信號進行分析，結(jié)合時域分析，提取不同故障狀態(tài)下的特征值，得到支持向量機(SVM)的輸入特征向量；研究并確定了應用二叉樹算法與RBF核函數(shù)，采用遺傳算法對SVM的參數(shù)尋優(yōu)，建立了SVM多故障分類器，實現(xiàn)了滾
2、珠絲杠的故障診斷與分類。最后通過實驗結(jié)果證明了多故障分類器的可行性與有效性。關(guān)鍵詞：滾珠絲杠；小波包；二叉樹；SVM；遺傳算法中圖分類號：TG659文獻標識碼：A文章編號：1001—3881(2014)19—181-4BallScrewFaultDiagnosisBasedonWaveletPacketandSupportVectorMachineMENGXiangmin，SONGPing，TANJiwen(QingdaoTechnologicalUniversity，QingdaoShandong266033，China)Abstrac
3、t：WaveletPacketmethodisusedtoanalysefaultsignalsfromtheBallScrewofCNCmachine．Bycombingwiththetime—domainanalysis，featurevaluesunderdifferentfaultconditionsweredrawnSOastoachievingthefeaturevectorwhichwasputintotheSupportVectorMachine(SVM)．ThebinarytreealgorithmandRBFkerne
4、lfunctionwerestudiedandchosen，thenthegenetical‘gorithm(GA)fortheoptimizationofSVMp~ametemwasused，lastlytheSVMmulti—faultclassifierwasestablishedtorealizefaultdi—agnoseandclassifyofBallScrew．Finallythroughexperimentalresults，thatshowsthefeasibilityandvalidityofthismulti—fa
5、ultclassifi—er．Keywords：Ballscrew；Waveletpacket；Binarytree；SupportVectorMachine；GA0前言斷。滾珠絲杠作為最常用的運動變換裝置，廣泛應用1小波包分析于數(shù)控機床的傳動系統(tǒng)，對機床的加工性能具有很大1．1基本原理的影響，因此監(jiān)測滾珠絲杠的狀態(tài)，及時診斷其故障小波多分辨率分析從函數(shù)空間的角度來研究函數(shù)是保證數(shù)控機床正常工作的一個重要條件。以往滾珠或信號的多尺度表示，是將信號分解成不同空間的成絲杠的故障診斷?大多靠人工經(jīng)驗與簡單儀表的應分，它提供了一種構(gòu)造小波的統(tǒng)一框
6、架，其實質(zhì)是對用來完成。智能診斷技術(shù)的發(fā)展為絲杠故障診斷提供尺度空間的一系列細化分解的過程，將尺度空間不斷了新的較為精確的方法。目前，神經(jīng)網(wǎng)絡方法在機向下級分解，但其不分解信號高頻部分，因而導致高械故障智能診斷中應用廣泛，而由于其存在高維問題頻段的頻率分辨率較差，低頻段時間分辨率較差，而和學習機器結(jié)構(gòu)問題、局部極值問題、小樣本問題，小波包分析對高頻部分繼續(xù)分解，并根據(jù)信號的特最終也難以取得理想的診斷效果。征，自適應確定信號在不同頻段的分辨率，從而提高SVM采用結(jié)構(gòu)風險最小化原則，在有限樣本的時頻分辨率。學習精度和泛化能力之間尋求最佳折中的
7、解決方法，因為尺度函數(shù)U。()和小波函數(shù)(t)有兩尺度能有效地避免上述神經(jīng)網(wǎng)絡面臨的問題等，具有良好關(guān)系：的推廣性能。本文作者通過對滾珠絲杠振動信號進行fM。(￡)=∑()Uo(2t一，、分析，提取一部分典型的時域特征，并利用小波包算2(1)法分解、提取能量特征作為故障特征參數(shù)，通過【。()=∑g()lZo(2t一)建立SVM多故障分類器，實現(xiàn)了滾珠絲杠的故障診其中U。(t)=(t)，u(t)=(t)，貝0有：收稿日期：2013—09—17基金項目：國家自然科學基金資助項目(51075220)；青島市基礎(chǔ)研究計劃項目(12—1—4—4一(
8、3)一JCH)作者簡介：孟祥敏(1987一)，女，蒙古族，碩士研究生，研究方向為機械無損檢測與故障診斷。E—mail：914817131@qq·como通信作者：譚繼文，E—mail：tanf
