基于小波支持向量机的滚动轴承故障诊断文献综述

2000字左右的文献综述：

文献综述

一、基于小波支持向量机滚动轴承故障诊断的概述

运用小波分析方法，提取轴承振动信号中的有效特征数据，然后采用支持向量机构建故障分类器；通过构建好的故障分类器，可以方便快捷的判断运行中的滚动轴承是否发生故障。

小波分析是近些年来发展迅速的一门学科，被广泛地应用到信号分析和处理的领域。小波具有着自适应性的时频特性，很适合处理滚动轴承的故障信号[6]。

支持向量机是基于统计学理论提出的一种机器学习方法。支持向量机是统计学习理论中的VC维理论和结构风险最小化原则的具体实现,根据有限样本信息在模型的复杂性核学习能力之间寻求最佳折中,以其得到最好的泛化能力。支持向量机非常适合于故障诊断研究中样本少的特点,近些年来,设备故障诊断领域得到了一定的研究与应用。在构建支持向量机分类器过程中,首先利用核函数将线性不可分输入数据x映射到高维线性可分特征空间F,然后进行分类处理。因此,核函数的选择是影响支持向量机分类效果的关键问题之一。系数变化的核函数有助于提高模型的精度和迭代的收敛速度,如果对平滑函数缺乏先验知识,则多尺度差值方法是最好的,这正是小波所特有的性质。这也更加证明了小波支持向量机存在的必要性[13]。

二、研究基于小波支持向量机滚动轴承故障诊断的意义

伴随着工业化的进程，人们对生产生活中，技术人员和生产设备的要求越来越高，设备机器在运行中如果出现故障，不但会造成严重的经济损失，更会有不可预计的人身伤害。例如，1986年，乌克兰普里皮亚季邻近的切尔诺贝利核电厂的第四号反应堆发生了爆炸。连续的爆炸引发了大火并散发出大量高能辐射物质到大气层中，这些辐射尘涵盖了大面积区域。这次灾难所释放出的辐射线剂量是二战时期爆炸于广岛的原子弹的400倍以上。经济上，这场灾难总共损失大概两千亿美元（已计算通货膨胀），是近代历史中代价最昂贵的灾难事件。英国Thomas在1984年发表论文认为，如果对关键不见设备实行状态检测与故障诊断，完全可以避免这场灾难。

滚动轴承是各种机械设备中最常见的零部件，同时也是最易损坏的零部件之一。机械的许多故障都与滚动轴承有关，它的运行状态也往往影响着整台机器的性能[3]，所以对其故障诊断的研究具有深远的意义。

传统的轴承故障诊断方法有:频谱分析法、包络分析、声测法和油液分析法等;现代的轴承故障诊断理论主要包括:极大熵谱法、基于分形的滚动轴承故障诊断、基于小波神经网络的轴承故障诊断等[8]。文献支持向量机方法在机械故障诊断中的应用,并以滚动轴承振动信号为例进行了试验论证,试验表明:支持向量机方法在故障诊断领域具有很强的适应性。而基于小波支持向量机方法则进一步加强了支持向量机分类的准确性。

三、基于小波支持向量机滚动轴承故障诊断的研究现状及发展趋势

3-1轴承故障诊断的研究现状及发展趋势

自二十世纪六十年代以来，国内外学者对轴承的故障诊断做了大量的研究工作，各种方法与技巧不断产生、发展和完善，应用领域不断扩大，诊断精度也不断提高。时至今日，故障诊断技术己成为一门独立的跨学科的综合信息处理技术，它以可靠性理论、信息论、控制论、系统论为理论基础，以现代测试仪器和计算机为技术手段，结合各种诊断对象（系统、设备、机器、装置、工程结构、工艺过程等）的特殊规律而逐步形成一门新兴的学科。总的来说，轴承故障诊断的发展经历了以下几个阶段：

　　第一阶段：利用通用的频谱分析仪诊断轴承故障。

　　第二阶段：利用冲击脉冲技术诊断轴承故障。

　　第三阶段：利用共振解调技术诊断轴承故障。

　　第四阶段：以计算机为中心的故障诊断。

　　伴随着轴承故障诊断这四个阶段的发展，故障诊断理论和新的信号测试与处理方法也不断地出现。但就基于信号处理技术的诊断方法而言，可以分为两大类：一是基于传统信号处理的故障诊断方法，如频谱分析法、幅值参数指标分析法、冲击脉冲法、共振解调法等；二是基于现代信号处理的故障诊断方法，如现代谱分析法、时频分析法、非高斯信号处理法、非线性技术处理法、智能诊断法等方法。

随着现代数学、信息科学、计算机技术、电子技术、人工智能技术、网络技术等更加广泛和深入地应用，故障诊断技术与当前前沿科学的融合是故障诊断技术的发展方向。当今故障诊断技术的发展趋势是传感器的精密化、多维化，诊断理论和诊断模型的多元化，诊断技术的智能化。总的来说，主要表现在下述几个方面：

　　(l)故障诊断的远程化

　　(2)故障诊断方法的相互融合

　　(3)与多元传感器信息的融合

　(4)诊断技术与虚拟仪器的结合

3-2支持向量机故障诊断的研究现状及发展趋势

图1.3.2(于附件中)

从02年100之数到13的3698篇之多已经的说明了支持向量机故障诊断在近12年取得了长足的发展，充分的体现了它的先进性与实际应用性。

四、MatLab控制系统仿真软件

MatLab控制系统仿真软件是当今国际控制界公认的标准计算软件，1999年春MatLab5。3版问世，使得MatLab拥有更丰富的数据类型和结构、更友善的面向对象、更快速精良的图形可视、更广播的数学和数据分析资源、更多的应用开发工具。特别是Simulink这一个交互式的动态系统建模、仿真、分析集成环境的出现，使得人们有可能考虑许多以前不得不做简化假设的非线性因素、随机因素，从而即使我们没有对非线性动态系统进行分析研究的数学基础，仍可以通过仿真来认知非线性对系统动态的影响。

参考文献

[1]易辉.基于支持向量机的故障诊断及应用研究[D].南京：南京航空航天大学,2011.

[2]王国锋.基于小波包和径向基神经网络轴承故障诊断[J].北京科技大学学报，2004，26（2）：1-4.

[3]王子玉.基于小波分析的滚动轴承故障特征提取技术[D].合肥：中国科技技术大学，2011.

[4]杨柳松.基于小波分析与神经网络滚动轴承故障诊断方法的研究[D].哈尔滨：东北林业大学；2013.

[5]韩星，王李立.基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究[J].机床液压,2014,42(9):1-3.

[6]陈兴辉.基于小波与支持向量机的滚动轴承故障诊断[D].太原：太原理工大学，2006.

[7]陆爽.滚动轴承故障特征识别的时频分析研究[R].浙江：浙江师范学院，2005.

[8]左红.基于支持向量机的滚动轴承故障诊断研究[J].轴承,2008,2008(8):36-39.

[9]耿永强.基于支持向量机的机车轴承故障诊断系统的研究.长沙：中南大学,2008.

[10]段江涛.基于支持向量机的机械系统多故障分类方法[N].农业机械报,2004-7-35(4).

[11]万书亭.基于最小二乘支持向量机的滚动轴承故障诊断[N].震动、测试与诊断,2010-4-30(2).

[12]易辉.柔性支持向量回归及其在故障检测中的应用[J].自动化学报,2013,39(3):272-284.

[13]郭磊.小波支持向量机在滚动轴承故障诊断中的应用[J].上海：上海交通大学学报,2009，43(4):1-5.

[14]何浩祥.小波支持向量机在结构损伤识别中的应用研究[J].震动、测试与诊断，2007,27(1):1-6.

[15]白亮.支持向量机训练算法比较研究[M].长沙：国防科学技术大学,2005.

[16]刘江华.支持向量机训练算法综述[M].信息与控制,2002.