黄大荣, 陈长沙， 孙国玺， 赵玲， 米波

(1.重庆交通大学 信息科学与工程学院, 重庆 400074；2.广东石油化工学院 广东省石化装备故障诊断重点实验室， 广东 茂名 525000)

复杂装备轴承多重故障的线性判别分析与反向传播神经网络协作诊断方法

黄大荣1，2, 陈长沙1， 孙国玺2， 赵玲1， 米波1

(1.重庆交通大学 信息科学与工程学院, 重庆 400074；2.广东石油化工学院 广东省石化装备故障诊断重点实验室， 广东 茂名 525000)

由于复杂装备运行工作环境恶劣，导致其轴承多重故障诊断的准确率不高，为此提出一种基于线性判别分析(LDA)与反向传播(BP)神经网络协作下复杂装备轴承数据驱动的多重故障诊断方法。将无量纲指标作为轴承多重故障数据的反映指标，利用LDA对轴承多重故障的无量纲指标数据进行线性映射降维处理；通过拉格朗日极值法获得最佳投影向量，沿着该方向将轴承多重故障数据投影到类别最易区分的方向；将经投影处理后的样本作为BP神经网络的输入样本，通过训练测试网络，实现轴承多重故障的预测分类。对某型装备大型旋转机械机组进行仿真实验，验证了所提方法能够有效对轴承多重故障进行降维映射，并且能较好地实现多重故障分类诊断，具有良好的有效性和实用性。

机械学； 轴承多重故障诊断； 拉格朗日极值法； 线性判别分析； 反向传播神经网络

0 引言

随着工业的快速发展，工业大机组日趋大型化、高速化、复杂化，旋转机械等大型设备结构和工艺的复杂性，往往导致多重故障发生，多重故障特征相互混杂，呈现出多耦合、模糊性等特点，用传统的单一故障诊断方法无法解决，因此，多重故障诊断是一直难以突破的瓶颈难题。……