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