基于小波包和支持向量机的碰摩故障识别方法的研究

摘要

现代旋转机械在运行过程中，经常发生动静件之间的碰摩故障，如果不及时发现，将导致严重的后果。因此本文对碰摩故障进行了研究，提出了基于小波包和支持向量机的智能诊断方法。
　　故障诊断技术从本质上来讲是一个机器运行状态的模式识别问题，关键在于故障特征信号的分析及提取，它直接关系到故障诊断的准确性和故障早期预报的可靠性。小波分析和小波包分析方法具有良好的时频局部性，能够将信号在任意频段进行划分，比基于傅立叶变换的分析方法能够更有效的提取故障特征，尤其是提取微弱故障特征。本文采用的是小波包分析，并详细论述了小波包分析理论。利用小波包提取奇异值作为特征向量，能够较好的反映碰摩信号的特征，为以后的故障诊断系统提供了故障诊断样本数据。
　　另外本文系统地阐述了支持向量机的基本理论和特点，在对碰摩故障诊断分析的基础上，利用支持向量机对得到的样本数据进行模式分类，从而实现故障诊断的作用。同时本文还对比研究了神经网络的分类效果，最后利用Mat lab和VC++混合编程开发得到仿真软件系统。试验结果表明本文提出的智能故障诊断方法是可行的，能够应用于多个领域，其发展前景广阔。