基于CGA-SVR的电主轴磨损故障诊断方法研究

作者：魏许杰; 王红军^*; 邢济收; 徐小力

来源：电子测量与仪器学报, 2022, 36(06): 107-112.

DOI：10.13382/j.jemi.B2003669

• 电主轴
• 故障诊断
• 支持向量法
• 混沌遗传算法

电主轴是数控机床的一个重要功能部件，其优劣直接影响着工件质量，对电主轴进行故障诊断可以提高可靠性、降低生产成本。因此采用混沌遗传算法(CGA)优化的支持向量机回归模型(SVR)进行电主轴故障诊断。此方法利用主成分分析(PCA)对电主轴磨损故障振动信号的时、频域特征向量进行降维，将降维后的特征向量输入到经过CGA参数优化的SVR模型中并进行训练和测试。结果表明，使用该模型对电主轴进行故障诊断，其训练和测试的准确率分别达到了99.272%和95.249%,可以实现对电主轴磨损故障进行准确诊断。

• 单位
  北京信息科技大学; 机电工程学院