基于ITD-AR模型和SVDD的轴承故障诊断方法研究

简介

针对滚动轴承在强背景噪声干扰下振动信号故障特征难以提取,以及实际运行中因故障样本缺乏而影响故障诊断准确性的问题,提出了基于固有时间尺度分解（Intrinsic Time Scale Decomposition,ITD）的AR模型振动信号特征提取,与支持向量数据域描述（Support Vector Data Description,SVDD）相结合的轴承故障诊断方法.首先用ITD将振动信号分解成一系列的固有旋转（Proper Rotation,PR）分量,然后对每一个PR分量建立AR模型,提取模型参数和残差方差构造特征向量,用以建立轴承正常运行的SVDD模型,并以振动信号特征向量偏离SVDD模型的程度来判断轴承的运行状态.将该方法应用于滚动轴承的故障诊断,实验证明了所提方法的有效性.