基于ICA-EMD 与SVM 的滚珠丝杠故障诊断*
2014-04-23孟祥敏谭继文
制造技术与机床 2014年12期
孟祥敏 谭继文 战 红
(青岛理工大学机械工程学院,山东 青岛 266033)
滚珠丝杠副是数控机床的关键功能部件,广泛应用于数控机床的各直线轴中,其相关故障会导致数控机床出现机械爬行、定位精度下降以及噪声过大等异常现象,从而影响数控机床的加工品质。因此,滚珠丝杠的故障检测与诊断具有实际的应用意义。现在,滚珠丝杠的故障诊断多靠人工经验或应用简单仪表实现[1-2],此种诊断方法过程复杂且诊断精度低。智能故障诊断研究不断发展,是近年来研究的热点。故障信号的采集以及特征值提取是智能故障诊断的重要基础,针对采集的不同信号之间相互混叠而影响后续的信号处理的问题,本文采用独立分量分析(ICA)算法将多个观测信号,根据统计独立的原则,通过优化算法分解成若干独立信号成分;针对滚珠丝杠故障时产生的非线性、非平稳的振动信号,本文应用经验模态分解(empirical mode decomposition,EMD)将故障信号分解成若干平稳的本征模函数(IMF)。滚珠丝杠的不同故障在不同频带内的信号能量值也不同,从包含故障信息的IMF 分量中提取能量特征值,结合时域、频域特征值作为支持向量机的输入得到最终诊断结果。
1 ICA 的基本原理
ICA 最初的产生动机是用来解决所谓的鸡尾酒会问题[3-4]。鸡尾酒会问题的目的是将特定说话者的声音从酒会嘈杂的混合声音中分离出,是信号处理中盲源分离(BSS)问题的特例。图像处理、语音信号处理、数据挖掘、模式识别等很多领域都已开始密切关注和广泛应用ICA。……
登录APP查看全文
