□ 李道军 □ 李廷锋 □ 刘德平

1.郑州职业技术学院 郑州 450121 2.郑州大学 机械与动力工程学院 郑州 450001

1 研究背景

在现代旋转机械工业中,滚动轴承的应用非常广。滚动轴承是否正常运行,对设备的加工精度、寿命和可靠性有很大影响。因此,对滚动轴承进行故障诊断具有重要的实际意义。当滚动轴承某部位有瑕疵时,将会产生周期性脉冲力[1]。根据滚动轴承的结构,某一部分受损会产生不同周期的脉冲力。由此,对振动信号的冲击和周期进行分析,是滚动轴承故障诊断的一种有效途径。

局部均值分解是由Jonathan Smith提出的一种信号自适应时频分析方法[2],对于处理具有不规则、不稳定性特征的振动信号非常合适。很多学者已经将局部均值分解应用于设备的故障诊断,并验证了方法的有效性[3-6]。笔者结合局部均值分解与改进支持向量机,对信号的能量特征进行分析,提取乘积函数分量的能量百分比值作为轴承故障识别的特征向量,同时应用细菌觅食优化算法对支持向量机参数进行优化,得到最优参数组合,以提高支持向量机模型诊断的正确率,并利用训练好的支持向量机模型对轴承进行状态诊断。

2 局部均值分解提取特征向量

局部均值分解将复杂的振动信号分解为一系列从高频到低频的由一个包络信号和一个纯调频信号组成的乘积函数分量。对于任意原始信号X(t),局部均值分解可分解为j个乘积函数分量与一个残余分量u(t)之和,即:

(1)

式中:Fi(t)为第i个乘积函数分量。……