Noise and Vibration Control ›› 2024, Vol. 44 ›› Issue (3): 146-151.

Previous Articles     Next Articles

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

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 )

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