[发明专利]一种基于LS-SVM和D-S证据理论的轴承故障诊断方法

摘要

本发明公开了一种基于LS‑SVM和D‑S证据理论的轴承故障诊断方法。通过多层级信息融合方法，在特征层采用最小二乘支持向量机LS‑SVM，在决策层采用D‑S证据理论，以解决单一传感器故障诊断精度低、敏感特征不易提取的问题。首先利用小波降噪技术提高滚动轴承振动信号的信噪比，并引入时域和频域共八个参数作为轴承振动的特征参数。其次，利用LS‑SVM对轴承进行故障识别。最后，将LS‑SVM特征输出作为D‑S证据理论输入，利用D‑S证据理论进行故障决策。该方法可以有效地提高滚动轴承故障诊断精度。本发明对提高滚动轴承故障诊断精度和诊断系统的可靠性有一定的意义。

主权项

1.一种基于LS‑SVM和D‑S证据理论的轴承故障诊断方法，其特征在于，可分为以下几部分：1)信号预处理：加速度传感器采集振动信号，首先通过小波降噪的方法对所述振动信号进行降噪处理，然后引入特征参数用于提取振动信号的特征；将所述特征参数进行归一化处理；2)特征层信息融合：利用LS‑SVM对不同传感器信号的特征参数集进行融合，得出故障分类结果；3)决策层信息融合：利用D‑S证据理论，对LS‑SVM特征输出进行决策层融合，得出最终故障诊断结果；其中，所述特征参数包括：时域参数和频域参数。