基于PSO-SVDD正常域的无故障数据条件下轴承隐患监测

摘要

cqvip:面向现场工况中常发的故障数据缺乏的条件下滚动轴承状态辨识和监测问题,提出了一套体系化的基于正常域估计理论的隐患监测方法。首先,对正常域理论中的基本概念进行了阐述,并给出了正常域的形式化表达;其次,梳理了基于正常域估计进行隐患监测的学术思想和实施步骤;而后,为解决边界估计这一核心问题提出了基于粒子群-支持向量数据描述(Particle Swarm Optimization-Support Vector Data Description,PSO-SVDD)的边界估计算法;最后,基于滚动轴承的振动数据进行了试验。结果表明基于PSO-SVDD的正常域边界估计方法能够获得较平滑的曲面边界且鲁棒性和适应性较好,且所估计出的正常域边界能够精确区分正常和异常状态,验证了方法的可行性。