噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (3): 146-151.

• 信号处理与故障诊断 • 上一篇    下一篇

基于改进PNCC-SVM的滚动轴承故障声纹识别方法

王寅杰1, 2，邓艾东1, 2，范永胜3，占可1, 2，高原1, 2   

  1. （ 1. 东南大学大型发电装备安全运行与智能测控国家工程研究中心，南京210096；
    2. 东南大学能源与环境学院，南京210096； 3. 国家能源集团江苏电力有限公司，南京215433 ）
  • 收稿日期:2022-11-07 修回日期:2023-02-20 出版日期:2024-06-18 发布日期:2024-06-18

Voiceprint Recognition Method for Rolling Bearing Faults Diagnosis Based on Improved PNCC-SVM

  • Received:2022-11-07 Revised:2023-02-20 Online:2024-06-18 Published:2024-06-18

PDF

摘要： 针对滚动轴承声信号分析信噪比低、易受环境噪声干扰的问题，提出一种基于改进功率归一化倒谱系数(Power-Normalized Cepstral Coefficients，PNCC）和支持向量机(Support Vector Machine，SVM)的滚动轴承故障声纹识别方法。首先对轴承声信号进行预处理；然后提取改进的PNCC并将其作为特征向量；进而根据SVM算法建立声纹识别模型对轴承故障类型进行识别，并测试所提方法在叠加噪声后的识别准确率。结果表明，改进PNCC具有识别准确率高的特点，在噪声干扰下相比原始PNCC识别准确率均值提高13.35 %，鲁棒性更强。研究结果可为滚动轴承的声信号特征提取和故障识别应用提供参考。

关键词: 故障诊断, 滚动轴承；声纹识别；鲁棒性；功率归一化倒谱系数；支持向量机