基于小波散射和机器学习的轴承故障检测

摘要

轴承状态监测和故障诊断对医疗设备的稳定性和可靠性起到了至关重要的作用。针对轴承故障检测依赖人工经验、检测效率和精度低等问题，提出一种基于小波散射和支持向量机的轴承故障检测模型。首先对原始振动信号进行预处理，搭建小波散射网络，小波散射系数作为数据特征，采用交叉验证和网格搜索算法训练得到支持向量机模型，实现了不同转速下对故障类型和故障尺寸的确定。为了验证模型性能，使用凯斯西储大学采集的轴承数据集开展实验。结果表明，该模型对轴承故障检测准确率可达到100%,实现了故障位置和尺寸的准确定位，具有良好的准确性和稳定性，为实现轴承故障的自动检测提供新思路。

关键词

故障检测 / 滚动轴承 / 小波散射 / 机器学习 / 支持向量机

基金资助

国家自然科学基金项目(62305100); 河北省高等学校科学研究项目(BJK2022008)资助