Noise and Vibration Control ›› 2022, Vol. 42 ›› Issue (1): 100-105.

Previous Articles     Next Articles

Bearing Fault Diagnosis Method Based on Singular Spectrum Decomposition and Double-layer Support Vector Machine#br#

  

  • Received:2021-01-11 Revised:2021-04-28 Online:2022-02-18 Published:2022-02-24

基于奇异谱分解和两层支持向量机轴承故障诊断方法#br#

汤天宝1,周志健2,张涛2,李可1,卢立新1   

  1. ( 1. 江南大学机械工程学院,江苏无锡214122;
    2. 江南大学江苏省食品先进制造装备技术重点实验室,江苏无锡214122)

摘要: 为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM。该方法首先采集信号构建信号矩阵,然后对矩阵进行奇异谱分解,得到奇异谱分量(Singular spectralcomponent,SSC)和残差。根据改进的峭度准则选取奇异谱分量,进行矩阵重构,完成重构后进行特征提取,生成特征向量矩阵作为TSVM的输入。在输入层完成降维处理生成新的特征向量矩阵,在输出层进行轴承故障类型分类。最后分别采用西储大学公开轴承数据集和实验室风机轴承数据集进行验证。与多种其他故障诊断方法对比表明,SSDTSVM方法在轴承故障诊断方面具有更高的准确率。

关键词: 故障诊断, 奇异谱分解, 两层支持向量机, 峭度准则, 信号矩阵