基于WELCH算法集成学习模型的滚动轴承故障诊断

• 作者: 张龙 周俊
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障诊断 WELCH算法 集成学习 支持向量机 滚动轴承
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 144-149
• 页数: 6页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2022.01.023

摘要

针对滚动轴承振动信号具有非平稳性、非线性且易受背景噪声干扰,故障特征难以提取等问题,提出一种基于WELCH功率谱算法的集成学习模型的故障诊断方法.首先使用WELCH算法对轴承的原始振动信号进行预处理,从中提取峭度、偏度、波形因子、峰值因子、脉冲因子和裕度因子6个参数,作为支持向量机的特征向量;然后结合集成学习算法构造Bagging-SVM集成学习模型.实验结果表明,与单一的SVM分类器相比较,Bagging-SVM集成模型对于轴承的故障诊断性能更优;在不同电机转速下的轴承故障诊断中,诊断率分别为97％,98％,98％和99.5％;说明了该集成模型在不同工况下的适用性强,诊断性能优秀.