基于SK等指标和SVM的滚动轴承性能退化评估研究

作者：李超; 郭瑜

来源：电子科技, 2020, 33(01): 6-12.

DOI：10.16180/j.cnki.issn1007-7820.2020.01.002

• 谱峭度
• 多分类支持向量机
• 故障监测
• 滚动轴承
• 性能退化评估
• 机器学习

文中提出一种基于谱峭度等指标和支持向量机的滚动轴承性能退化评估的新方法。针对滚动轴承全寿命过程中各个时期故障损伤程度的不同,将故障监测分为4个阶段:正常、初期、中期、末期。通过与传统指标,例如均方根值、峭度值、峰峰值指标等对比,验证了谱峭度作为初期故障特征指标的优势。选取谱峭度等指标作为特征输入,构建多分类支持向量机预测模型来预测轴承性能退化阶段。使用轴承全寿命试验数据对预测模型进行检验,证明了该方法的有效性和可行性。

• 单位
  机电工程学院; 昆明理工大学