基于PCA-SVDD的滚动轴承性能退化评估

• 作者: 吴义岚 廖爱华 丁亚琦
• 来源期刊: 上海工程技术大学学报
• 关键词: 主成分分析 支持向量数据描述 性能退化评估
• 年，卷（期）: 2020,（4）
• 页码范围: 358-363
• 页数: 6页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.3969/j.issn.1009-444X.2020.04.009

摘要

针对滚动轴承早期微弱故障难以及时发现的问题,提出一种基于主成分分析(PCA)和支持向量数据描述(SVDD)的滚动轴承性能退化评估模型.使用主成分分析法对滚动轴承振动信号时域和频域的特征指标进行加权融合,构建一个可以有效全面描述滚动轴承运行状况的综合特征指标,将正常状态样本的综合特征指标输入SVDD模型完成评估模型的构建,通过设置健康报警阈值判定轻微故障出现时间,并采用滚动轴承全寿命试验数据进行验证.结果表明,与以峭度指标、均方根值作为SVDD模型的特征指标输入相比,该评估模型可以更早检测到滚动轴承早期微弱故障的发生,也能更准确地描述滚动轴承整体退化程度.