张小龙， 张 氢， 秦仙蓉， 孙远韬

(同济大学 机械与能源工程学院，上海 201804)

基于ITD复杂度和PSO-SVM的滚动轴承故障诊断

张小龙， 张 氢， 秦仙蓉， 孙远韬

(同济大学 机械与能源工程学院，上海 201804)

针对滚动轴承故障诊断问题，提出了一种基于固有时间尺度分解(ITD)、Lempel-Ziv复杂度特征和粒子群优化支持向量机(PSO-SVM)的故障诊断新方法。首先对滚动轴承的振动信号使用ITD方法进行分解，得到若干个频率由高到低的固有旋转(PR)分量，由于滚动轴承在不同的故障状态下的PR分量Lempel-Ziv复杂度的分布不同，提取各PR分量的Lempel-Ziv复杂度值作为每个样本的特征向量，使用支持向量机(SVM)对轴承振动信号样本进行故障类型的识别，并用粒子群优化(PSO)方法对支持向量机的参数优化以获得较高的识别准确率。对滚动轴承振动信号的实测结果的分析表明：该方法可以实现对滚动轴承快速、准确地诊断，且不受载荷变化的影响。

固有时间尺度分解；Lempel-Ziv复杂度；支持向量机；粒子群优化；滚动轴承；故障诊断

滚动轴承是旋转类机械设备中广泛使用的传动部件之一，运行时发生故障可能会引起整个传动系统的失效，因此对其进行故障诊断的研究具有重要意义。振动分析是机械设备故障诊断的主要方法之一，基于振动信号的故障诊断方法主要分为信号预处理、特征提取、状态识别三个步骤[1]。

滚动轴承振动信号一般具有非平稳、非线性的特点，对原始信号直接提取特征值来实现故障诊断是比较困难的。……