基于LMD-PCA-LSSVM的滚动轴承安全域估计和状态辨识方法

摘要

将安全域的思想引入滚动轴承的状态监测中,综合利用局部均值分解(Local Mean Decomposition,LMD)、主成分分析(Principal Component Analysis,PCA)和最小二乘支持向量机(Least Square Support Vector Machine,LSSVM),进行了滚动轴承运行状态的安全域估计以及正常和各种故障状态的辨识.首先,按一定的时间间隔将采集正常及各种故障状态的振动数据进行分段,每段数据进行LMD后获得各乘积函数分量;其次,基于各段数据的乘积函数分量,利用PCA提取出每段数据的T2和SPE统计量控制限值作为滚动轴承的状态特征量;最后,利用二分类的LSSVM进行滚动轴承运行状态的安全域估计,利用多分类LSSVM进行滚动轴承的正常以及滚动体、内圈、外圈故障四种状态的辨识.试验结果显示安全域估计和多种状态辨识的准确率均较高,验证了本文方法的有效性.