基于SVM的卷接机组刀盘半轴机构轴承故障识别方法

为解决卷接机组无法对刀盘半轴机构轴承进行在线监测和故障诊断等问题,通过研究时域和频域统计指标对SVM(Support Vector Machine)分类结果的影响,建立了基于频域特征的SVM卷接机组轴承故障智能识别方法。以预制故障的FAG 2206-2RS-TVH型轴承为对象进行试验,将在不同故障类型和故障程度轴承上采集到的振动数据进行预处理、特征提取和SVM智能训练,并进行故障诊断测试,结果表明:①在不同转速和故障程度下,基于频域统计指标的SVM分类准确率均超过92%,能够在特定转速范围和不同故障程度下实现轴承状态分类。②基于时域统计指标的准确率为77.6%,基于频域统计指标的准确率为95.6%,表明频域统计指标的SVM分类结果显著优于时域指标。该方法可为实现卷接机组轴承故障智能识别提供支持。