[发明专利]基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法

说明书

本发明公开了基于谐波小波包和IAGA‑SVM的滚动轴承故障诊断系统，包括谐波小波包模块、SVM建模模块与故障识别模块，所述谐波小波包模块包括信号采集模块、信号分解模块、信号重构模块与信号特征提取模块，所述SVM建模模块包括SVM模型初始模块、自适应训练模块、模型测试模块与自适应支持向量模块。本发明还公开了基于谐波小波包和IAGA‑SVM的滚动轴承故障诊断方法。本发明的优点在于：对于诊断结果不会发生偏差，对于滚珠轴承的滚动体、外圈与内圈的故障类型可以予以准确的判断，在滚珠轴承判断过程中完整的模型建立与训练过程较为简单便捷，在诊断过程中可以在不拆卸原设备的情况下对滚珠轴承进行诊断。

技术领域

本发明涉及滚珠轴承检测技术领域，具体为基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法。

背景技术

由于工业生产的不断发展，大型复杂机械设备安全可靠的运转引起了社会的逐渐重视，相关故障诊断技术也得到了迅猛的进展，滚动轴承更是大型机械设备的关键组成部分，因此大型机械滚动轴承的故障特征诊断相关技术有着十分重要的作用，而这是属于模式识别方面的问题，平时高负荷运转时产生的安全故障，主要包括外圈出现裂纹、内圈点蚀、滚动体点蚀三类故障，而以上故障是很多因素共同作用所导致的，但是故障及其成因并不是一一对应，且往往对应关系较为复杂。

现有的复杂机械设备故障诊断的方法中，模糊综合评价法等较为常见，体现模糊观点方面效果十分突出，缺点是它设定评价因子的权重时要不断地依赖有关专家的以往经验，进而导致上述结果将产生一定程度的偏差，不够精准，其次，对于滚珠轴承的滚动体、外圈与内圈的故障类型无法予以准确的判断，还有，在滚珠轴承判断过程中完整的模型建立与训练过程较为复杂，带来不便，最后，在诊断过程中无法在不拆卸原设备的情况下对滚珠轴承进行诊断，较为繁琐复杂，为此，我们提出基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法。

发明内容

本发明所要解决的技术问题在于诊断结果会产生一定程度的偏差，对于滚珠轴承的滚动体、外圈与内圈的故障类型无法予以准确的判断，在滚珠轴承判断过程中完整的模型建立与训练过程较为复杂，在诊断过程中无法在不拆卸原设备的情况下对滚珠轴承进行诊断的问题。

本发明采用以下技术方案解决上述技术问题：提供了基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，包括谐波小波包模块、SVM建模模块与故障识别模块，所述谐波小波包模块包括信号采集模块、信号分解模块、信号重构模块与信号特征提取模块，所述SVM建模模块包括SVM模型初始模块、自适应训练模块、模型测试模块与自适应支持向量模块，所述自适应训练模块包括SVM有效性检验模块、适应度计算模块、最大值选择模块、自适应遗传算法判断模块与均匀交叉模块，所述故障识别模块包括故障显示模块。

优选的，所述信号采集模块、信号分解模块、信号重构模块与信号特征提取模块的信号端口分别与谐波小波包模块的信号端口相连接，所述信号采集模块的信号输出端口与信号分解模块的信号输入端口相连接，所述信号分解端口的信号输出端口与信号重构模块的信号输入端口相连接。

优选的，所述谐波小波包模块的信号输出端口与SVM建模模块的信号输入端口相连接，所述SVM模型初始模块、自适应训练模块、模型测试模块、自适应支持向量模块的信号端口分别与SVM模型初始模块的信号端口相连接。

优选的，所述SVM模型初始模块的信号输出端口与自适应训练模块的信号输入端口相连接，所述自适应训练模块的信号输出端口与模型测试模块的信号输入端口相连接，所述模型测试模块的信号输出端口与自适应支持向量模块的信号输入端口相连接。

优选的，所述故障识别模块的信号输入端口与谐波小波包模块的信号输出端口相连接，所述故障识别模块的信号输出端口与故障显示模块的信号输入端口相连接。

优选的，所述SVM有效性检验模块、适应度计算模块、最大值选择模块、自适应遗传算法判断模块与均匀交叉模块的信号端口分别与自适应训练模块的信号端口相连接。