公开(公告)号：CN104596767A

公开(公告)日：2015-05-06

申请号：CN201510016333.8

申请日：2015-01-13

Applicant: 北京工业大学 ,  北京思维鑫科信息技术有限公司

Inventor： 高亚举 ,  杨建武 ,  亢太体 ,  刘志峰 ,  王建华

IPC: G01M13/04

Abstract: 一种基于灰色支持向量机的滚动轴承故障诊断与预测的方法，滚动轴承作为机械设备中的关键部件，其运行状态的优劣往往影响到整台设备的运行性能。本发明提出了基于GM(1，1)-SVM的滚动轴承故障诊断及预测方法。提取滚动轴承各类故障和正常状态下的振动信号时域及频域特征值，选取重要特征参数建立预测模型——灰色模型，进行特征值预测；使用轴承各类故障特征值和正常状态特征值训练二叉树支持向量机，构造滚动轴承决策树判别故障，实现对故障类型的分类，从而达到对轴承故障诊断，并通过预测值与所训练的支持向量机实现故障预测的目的。

公开(公告)号：CN104502103A

公开(公告)日：2015-04-08

申请号：CN201410741002.6

申请日：2014-12-07

Applicant: 北京工业大学

Inventor： 谷力超 ,  杨建武 ,  刘志峰 ,  高亚举

IPC: G01M13/04 ,  G06F19/00

Abstract: 一种基于模糊支持向量机的轴承故障诊断方法，本方法以内圈单点故障、外圈单点故障以及滚珠单点故障三种故障为例，并结合轴承正常运转这四种情况进行了故障特征提取，包括时域特征参数以及对振动信号采用Hilbert变换进行解调，对解调后的信号进行频谱分析找到的频域故障特征频率。这些特征参数组成训练样本和测试样本。利用模糊C均值聚类算法对训练样本加入模糊隶属度，并采用支持向量机多分类方法进行故障判别。通过故障诊断实例分析部分显示了所建立的FSVM模型对于轴承故障诊断的正确率，表现出强大的分类性能和抗噪声的能力，为避免因轴承故障造成重大事故、经济损失等提供了理论方法，具有重要参考价值。

公开(公告)号：CN104596767B

公开(公告)日：2017-04-26

申请号：CN201510016333.8

申请日：2015-01-13

Applicant: 北京工业大学 ,  北京思维鑫科信息技术有限公司

Inventor： 高亚举 ,  杨建武 ,  亢太体 ,  刘志峰 ,  王建华

IPC: G01M13/04

Abstract: 一种基于灰色支持向量机的滚动轴承故障诊断与预测的方法，滚动轴承作为机械设备中的关键部件，其运行状态的优劣往往影响到整台设备的运行性能。本发明提出了基于GM(1，1)‑SVM的滚动轴承故障诊断及预测方法。提取滚动轴承各类故障和正常状态下的振动信号时域及频域特征值，选取重要特征参数建立预测模型——灰色模型，进行特征值预测；使用轴承各类故障特征值和正常状态特征值训练二叉树支持向量机，构造滚动轴承决策树判别故障，实现对故障类型的分类，从而达到对轴承故障诊断，并通过预测值与所训练的支持向量机实现故障预测的目的。