基于奇異值分解和支持向量機的轉子故障診斷?

柴 凱，張梅軍，黃 杰，陳 灝

（解放軍理工大學 野戰工程學院，江蘇 南京 210007）

0 引言

隨著科技的飛速發展，現代機械對旋轉機構的效率、性能、轉速和安全可靠性等多個方面提出越來越高的要求。當轉子發生不對中、碰摩和油膜渦動、質量不平衡等故障時，往往會導致整個機器的故障，輕則機器停止運轉，造成經濟損失，重則對人民生命安全造成嚴重威脅［1］。目前針對轉子故障診斷的研究方法分三類：基于知識的方法、基于解析模型的方法和基于信號處理的方法。人工智能、專家系統、人工神經網絡和支持向量機等智能診斷也推動了轉子故障診斷技術向自動化、智能化方向發展［2］。奇異值分解（SVD）是線性代數中一種重要的矩陣分解，是矩陣分析中正規矩陣酉對角化的推廣，目前在濾波器設計、信號消噪、特征提取和弱信號分離、小波和小波包變換后續處理中得到了有效地應用［3］。而利用支持向量機（SVM）對轉子故障進行診斷，不僅能解決傳統診斷對操作人員專業知識要求高的問題，而且相比其他智能診斷方法，它在解決小樣本、非線性和高維模式識別中具有獨到的優勢［4］。本文通過小波分解獲得不同故障下的分支信號，利用奇異值分解得到轉子的故障特征值，研究支持向量機在不同核函數和參數時對轉子不平衡、不對中、碰摩和油膜渦動等故障進行有效識別的方法。

1 基于SVD和SVM的轉子故障診斷實驗平臺

研究采用的轉子實驗平臺示意圖及測點布置如圖1 所示。……