马立新，黄阳龙，范洪成，王继银

(上海理工大学 光电信息与计算机工程学院，上海200093)



基于自适应变异微粒群优化SVM的电机轴承故障诊断方法

马立新，黄阳龙，范洪成，王继银

(上海理工大学 光电信息与计算机工程学院，上海200093)

摘要：电机轴承作为电机的重要机械部件，其故障对电机的安全运行有着严重的影响，针对轴承故障此类问题，提出了自适应变异微粒群优化SVM的电机轴承故障诊断的方法。该方法先用小波包的频带能量分解技术将电机振动信号分解到各个频带，由各个频带能量组成了电机运行状态的特征向量，并以此作为支持向量机的输入向量，最后运用自适应变异微粒群算法优化后的SVM，组成电机轴承状态“决策树”，并对电机状态进行分类，分类结果和用试凑法的SVM作对比。最终结果证明了该的方法对感应电机的轴承故障的检测和分类具有良好成效。

关键词：微粒群算法；自适应变异；决策树；SVM；电机；轴承故障诊断

0引言

感应电机的轴承作为承载负载和支撑电机主轴承的支撑部件，其故障对电机的安全运行有严重的影响，轴承故障是导致电机故障的主要因素，约占电机故障的40%，因此，轴承是否能够正常运行关系到电机整体的运行性能，所以有必要对电机轴承进行早期的监测和检查，这样有利于电机的维护和检修[1]。

轴承故障的分析与检测方法发展至今主要以智能方法为主，BP神经网络、遗传算法和支持向量机等均在轴承故障的检测中有所使用[2]。……