主分量法在機械設(shè)備故障診斷方法中的應(yīng)用.pdf

1、本文主要研究機械設(shè)備故障診斷分類方法，研究對象為齒輪和滾動軸承，研究內(nèi)容主要包括： 故障特征值提取方法：時域特征值主要包括峰值等；頻域特征值為均方頻率(MSF)；通過建立AR模型利用模型系數(shù)做特征值，提取GREEN函數(shù)系數(shù)做為特征值。 對電廠送風(fēng)風(fēng)機滾動軸承振動信號進(jìn)行時域、頻域、AR模型系數(shù)、GREEN函數(shù)系數(shù)等特征值提取，對提取的特征值分別進(jìn)行主分量法分析(PCA)，通過主分量圖可以進(jìn)行狀態(tài)的分類，對各特征值分類的效

2、果進(jìn)行了比較。 對主分量進(jìn)行核函數(shù)映射，構(gòu)造核函數(shù)主分量。針對齒輪振動信號進(jìn)行上述特征值提取并分別進(jìn)行主分量分析、核函數(shù)主分量分析。結(jié)果表明核函數(shù)主分量分類的效果好于主分量。用距離函數(shù)進(jìn)行計算設(shè)定閾值判斷設(shè)備狀態(tài)。 用支持向量機(SVM)對主分量、核函數(shù)主分量進(jìn)行計算尋找支持向量，用支持向量進(jìn)行分類，節(jié)省計算時間，提高了計算的準(zhǔn)確率。 采用Delphi7軟件開發(fā)滾動軸承軸承數(shù)據(jù)庫軟件，該程序可實現(xiàn)軸承參數(shù)查詢，故