基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法技术

本发明专利技术公开了基于谐波小波包和IAGA‑SVM的滚动轴承故障诊断系统，包括谐波小波包模块、SVM建模模块与故障识别模块，所述谐波小波包模块包括信号采集模块、信号分解模块、信号重构模块与信号特征提取模块，所述SVM建模模块包括SVM模型初始模块、自适应训练模块、模型测试模块与自适应支持向量模块。本发明专利技术还公开了基于谐波小波包和IAGA‑SVM的滚动轴承故障诊断方法。本发明专利技术的优点在于：对于诊断结果不会发生偏差，对于滚珠轴承的滚动体、外圈与内圈的故障类型可以予以准确的判断，在滚珠轴承判断过程中完整的模型建立与训练过程较为简单便捷，在诊断过程中可以在不拆卸原设备的情况下对滚珠轴承进行诊断。

【技术实现步骤摘要】
基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法
本专利技术涉及滚珠轴承检测
，具体为基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法。
技术介绍
由于工业生产的不断发展，大型复杂机械设备安全可靠的运转引起了社会的逐渐重视，相关故障诊断技术也得到了迅猛的进展，滚动轴承更是大型机械设备的关键组成部分，因此大型机械滚动轴承的故障特征诊断相关技术有着十分重要的作用，而这是属于模式识别方面的问题，平时高负荷运转时产生的安全故障，主要包括外圈出现裂纹、内圈点蚀、滚动体点蚀三类故障，而以上故障是很多因素共同作用所导致的，但是故障及其成因并不是一一对应，且往往对应关系较为复杂。现有的复杂机械设备故障诊断的方法中，模糊综合评价法等较为常见，体现模糊观点方面效果十分突出，缺点是它设定评价因子的权重时要不断地依赖有关专家的以往经验，进而导致上述结果将产生一定程度的偏差，不够精准，其次，对于滚珠轴承的滚动体、外圈与内圈的故障类型无法予以准确的判断，还有，在滚珠轴承判断过程中完整的模型建立与训练过程较为复杂，带来不便，最后，在诊断过程中无法在不拆卸原设备的情况下对滚珠轴承进行诊断，较为繁琐复杂，为此，我们提出基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法。
技术实现思路
本专利技术所要解决的技术问题在于诊断结果会产生一定程度的偏差，对于滚珠轴承的滚动体、外圈与内圈的故障类型无法予以准确的判断，在滚珠轴承判断过程中完整的模型建立与训练过程较为复杂，在诊断过程中无法在不拆卸原设备的情况下对滚珠轴承进行诊断的问题。本专利技术采用以下技术方案解决上述技术问题：提供了基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，包括谐波小波包模块、SVM建模模块与故障识别模块，所述谐波小波包模块包括信号采集模块、信号分解模块、信号重构模块与信号特征提取模块，所述SVM建模模块包括SVM模型初始模块、自适应训练模块、模型测试模块与自适应支持向量模块，所述自适应训练模块包括SVM有效性检验模块、适应度计算模块、最大值选择模块、自适应遗传算法判断模块与均匀交叉模块，所述故障识别模块包括故障显示模块。优选的，所述信号采集模块、信号分解模块、信号重构模块与信号特征提取模块的信号端口分别与谐波小波包模块的信号端口相连接，所述信号采集模块的信号输出端口与信号分解模块的信号输入端口相连接，所述信号分解端口的信号输出端口与信号重构模块的信号输入端口相连接。优选的，所述谐波小波包模块的信号输出端口与SVM建模模块的信号输入端口相连接，所述SVM模型初始模块、自适应训练模块、模型测试模块、自适应支持向量模块的信号端口分别与SVM模型初始模块的信号端口相连接。优选的，所述SVM模型初始模块的信号输出端口与自适应训练模块的信号输入端口相连接，所述自适应训练模块的信号输出端口与模型测试模块的信号输入端口相连接，所述模型测试模块的信号输出端口与自适应支持向量模块的信号输入端口相连接。优选的，所述故障识别模块的信号输入端口与谐波小波包模块的信号输出端口相连接，所述故障识别模块的信号输出端口与故障显示模块的信号输入端口相连接。优选的，所述SVM有效性检验模块、适应度计算模块、最大值选择模块、自适应遗传算法判断模块与均匀交叉模块的信号端口分别与自适应训练模块的信号端口相连接。优选的，所述SVM有效性检验模块的信号输出端口与适应度计算模块的信号输入端口相连接，所述适应度计算模块的信号输出端口与最大值选择模块的信号输入端口相连接。优选的，所述最大值选择模块的信号输出端口与自适应遗传算法判断模块的信号输入端口相连接，所述自适应遗传算法判断模块的信号输出端口与均匀交叉模块的信号输入端口相连接，所述均匀交叉模块的信号输出端口与SVM有效性检验模块的信号输入端口相连接。本专利技术还提供了基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法：a、信号采集模块将滚珠轴承的振动信号进行收集，经由信号分解模块将振动信号分解，再由信号重构模块进行重构后经过信号特征提取模块提取出频带能力，即为特征向量；b、将上述a中的特征向量输入至SVM建模模块中，由自适应训练模块对SVM模型初始模块中的模型进行训练，使SVM模型的核函数和惩罚系数进行优化；c、在自适应训练模块中由SVM有效性检验模块检验训练后的各SVM模型，并以此为依据由适应度计算模块评判谐波小波包中全部个体的适应度值；d、再经由最大值选择模块选出最大适应度数值，送至自适应遗传算法判断模块处，判断上述c中的SVM模型是否可以满足终止条件，若不满足送至均匀交叉模块中实行数值间的均匀交叉后，再送回至上述c中；e、上述d中满足条件的SVM模型送至自适应支持向量模块中，使特征向量与滚珠轴承的滚动体、外圈与内圈的故障类型间进行对应，经由模型测试模块对所得的SVM模型进行检测，完成SVM的建模；f、由故障识别模块对信号采集模块收集的滚珠轴承的振动信号进行检测，将依次经由信号分解模块、信号重建模块与谐波小波特征提取模块所得到的特征向量与上述c中的故障类型进行对应；g、得到滚动体、外圈与内圈的故障信息，并由故障显示模块发出提示。与现有技术相比，本专利技术提供了基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法，具备以下有益效果：1、该基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法，谐波小波包模块对不同故障下的振动信号展开分解及重构后所提取的频带能量即为特征向量，再把特征值输入SVM模型中训练并对核函数和惩罚系数进行优化，最后用自适应支持向量模块将特征向量与故障类型间相对应，从而完成滚动轴承故障的诊断，对于滚珠轴承的故障判断不易发生偏差。2、该基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法，通过SVM建模模块与故障识别模块的配合，在经过SVM建模模块中由自适应训练模块对SVM模型初始模块中的模型进行训练，使SVM模型的核函数和惩罚系数进行优化，使特征向量与滚珠轴承的滚动体、外圈与内圈的故障类型间进行对应，在经过故障识别模块根据信号采集模块所获得的特征向量进行对应，对滚珠轴承的滚动体、外圈与内圈的故障类型做出准确判断，并由故障显示模块发出提示。3、该基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法，通过自适应训练模块的作用，在SVM建模模块中进行SVM建模时，在自适应训练模块中由SVM有效性检验模块检验训练后的各SVM模型，并以此为依据由适应度计算模块评判谐波小波包中全部个体的适应度值，再经由最大值选择模块选出最大适应度数值，送至自适应遗传算法判断模块处，判断是否可以满足终止条件，对于SVM模型的建模过程较为简单快捷。4、该基于谐波小波包和IAGA-SVM的滚动轴承故障诊断方法，通过谐波小波包模块的作用，经由信号分解模块将滚珠轴承的振动信号分解，再由信号重构模块进行重构后经过信号特征提取模块提取出频带能力，即获得特征向量，通过SVM模型可以根据特征向量对故障类型进行判断，免去了拆卸原设备进行诊断带来的不便。附图说明图1为本专利技术系统工作原理图；图2为本专利技术系统自适应训练模块的工作原理图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而本文档来自技高网...

【技术保护点】
1.基于谐波小波包和IAGA‑SVM的滚动轴承故障诊断系统，包括谐波小波包模块、SVM建模模块与故障识别模块，其特征在于：所述谐波小波包模块包括信号采集模块、信号分解模块、信号重构模块与信号特征提取模块，所述SVM建模模块包括SVM模型初始模块、自适应训练模块、模型测试模块与自适应支持向量模块，所述自适应训练模块包括SVM有效性检验模块、适应度计算模块、最大值选择模块、自适应遗传算法判断模块与均匀交叉模块，所述故障识别模块包括故障显示模块。

【技术特征摘要】
1.基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，包括谐波小波包模块、SVM建模模块与故障识别模块，其特征在于：所述谐波小波包模块包括信号采集模块、信号分解模块、信号重构模块与信号特征提取模块，所述SVM建模模块包括SVM模型初始模块、自适应训练模块、模型测试模块与自适应支持向量模块，所述自适应训练模块包括SVM有效性检验模块、适应度计算模块、最大值选择模块、自适应遗传算法判断模块与均匀交叉模块，所述故障识别模块包括故障显示模块。2.根据权利要求1所述的基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，其特征在于：所述信号采集模块、信号分解模块、信号重构模块与信号特征提取模块的信号端口分别与谐波小波包模块的信号端口相连接，所述信号采集模块的信号输出端口与信号分解模块的信号输入端口相连接，所述信号分解端口的信号输出端口与信号重构模块的信号输入端口相连接。3.根据权利要求1所述的基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，其特征在于：所述谐波小波包模块的信号输出端口与SVM建模模块的信号输入端口相连接，所述SVM模型初始模块、自适应训练模块、模型测试模块、自适应支持向量模块的信号端口分别与SVM模型初始模块的信号端口相连接。4.根据权利要求1所述的基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，其特征在于：所述SVM模型初始模块的信号输出端口与自适应训练模块的信号输入端口相连接，所述自适应训练模块的信号输出端口与模型测试模块的信号输入端口相连接，所述模型测试模块的信号输出端口与自适应支持向量模块的信号输入端口相连接。5.根据权利要求1所述的基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，其特征在于：所述故障识别模块的信号输入端口与谐波小波包模块的信号输出端口相连接，所述故障识别模块的信号输出端口与故障显示模块的信号输入端口相连接。6.根据权利要求1所述的基于谐波小波包和IAGA-SVM的滚动轴承故障诊断系统，其特征在于：所述SVM有效性检验模块、适应度计算模块、最大值选择模块、自适应遗传算法判断...

【专利技术属性】
技术研发人员：王海瑞，吕维宗，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53