郭磊，李兴林，吴参，刘呈则

(1.国核电站运行服务技术有限公司，上海 200233；2.杭州轴承试验研究中心博士后工作站，杭州 310022)

滚动轴承是旋转设备的常用零件，是设备状态监测与故障诊断领域的研究热点。近些年来提出的设备性能退化评估技术[1]是对传统的故障诊断研究的扩展。其核心思想是动态地评价设备、零件的性能状态，采取合理的主动维护方法，如早期故障诊断、更换部分零部件等，以避免设备事故的发生。

基于设备性能退化评估的思想，近年来开展了如CMAC神经网络[1]、支持向量机[2]、模糊映射[3]等关于轴承等设备的性能退化评估研究。在此提出一种基于小波包分析和支持向量机的轴承性能退化评估方法。首先利用小波包分解提取轴承特征向量；然后利用基于支持向量机的几何距离方法，进行滚动轴承的性能退化评估研究。此方法在继承以前研究思想的基础上，引入小波包特征提取方法，扩展了评估方法的使用范围。

1 基础理论

1.1 支持向量机原理

支持向量机是一种由Vapnik等人提出的新型前向反馈的网络[4]。利用核函数Φ(x)，支持向量机将原始输入空间中的向量映射到高维线性可分的特征空间，然后在此特征空间中建立一个最优分类面，以进行分类。这样在低维空间中的线性不可分问题就转换为高维空间中的线性可分问题。当最优分类面建立以后，向量与数据之间的几何距离就可以计算得到。而这个几何距离即作为描述轴承性能退化的指标。……