基于高阶统计特征实值阴性克隆选择算法的轴承故障检测

陶新民  杜宝祥  徐 勇

(哈尔滨工程大学信息与通信工程学院 哈尔滨 150001)

摘要：为解决轴承故障检测领域中异常样本数据不易收集的现实应用问题，提出一种基于实值阴性克隆选择算法(Real-valued negative clone selection，RNCS)的一类轴承故障检测模型。该模型只需要正常样本数据进行训练，利用改进的RNCS生成故障检测器集合以此实现轴承故障检测。该算法通过引入自适应变异算子和克隆成熟度判定算子，能够提高原有算法抗体的检测能力并加快算法收敛速度。为解决因高阶统计特征(Higher order statistics，HOS)信息繁多而无法有效实现智能检测的不足，模型利用HOS特征矩阵分解的奇异值谱为特征进行检测，该方法不仅有效地减少了数据维度及训练时间，同时还降低了噪声影响提高了检测性能。试验中对不同参数选择及不同正常训练样本个数情况下的检测器性能进行了分析，不同检测器个数之间的性能比较也在试验中给出。将建议的方法同原有算法进行比较，试验结果验证了设计思想的正确性和算法的高效检测性能。

关键词：故障检测  高阶统计特征  阴性克隆选择  奇异值分解  自适应变异算子

中图分类号：TG156

哈尔滨工程大学校科研启动基金资助项目。20070805收到初稿，20080225收到修改稿

作者简介：陶新民，男，1973年出生，博士，副教授，主要研究方向为信号检测、随机信号处理、统计检测、免疫算法与网络等。
E-mail：taoxinmin@hrbeu.edu.cn
杜宝祥，男，1979年出生。主要研究方向为信号处理、图像处理。
徐勇，男，1979年出生。主要研究方向为信号处理、信息安全。

参 考 文 献

[1] ANTONI, RANDALL R B. Differential diagnosis of gear and bearing faults[J]. Transactions of the ASME: Journal of Vibration and Acoustics, 2002, 124(2)：165-171.
[2] AL-BALUSHI K R, SAMANT A B. Gear fault diagnosis using energy-based features of acoustic emission signals[J]. Journal of Systems and Control Engineering, 2002, 216(3)：249-263.
[3] RANDALL R B. Special issue on gear and bearing diagnostics[J]. Mechanical Systems and Signal Processing, 2001,15(5)：827-1 029.
[4] 张晓峰, 李功燕. 应用小波分析提取故障诊断信号的特定频段[J]. 振动与冲击, 2004, 23(4)：47-51.
ZHANG Xiaofen, LI Gongyan. Extraction of fault diagnosis signal’s frequency band with wavelet analysis[J]. Journal of Vibration and Shock, 2004, 23(4)：47-51.
[5] CHOUDHUR Y. Diagnostics of poor control loop performance using higher order statistics[J]. Automation, 2005, 40(10)：1 719-1 728.
[6] CHOUDHUR Y. Detection and diagnosis of system nonlinearities using higher order statistics[C]//IFAC Triennial World Congress, Barcelobnam, Spain, 2002, 121(3)：265-272.
[7] 李军伟，韩捷. 小波变换域双谱分析及其在滚动轴承故障诊断中的应用[J]. 振动与冲击, 2006, 25(5)：92-95. 障诊断中的应用[J]. 振动与冲击, 2006, 25(5)：92-95.
LI Junwei, HAN Jie. Bispectrum analysis in the wavelet transform domain and its application to the fault diagnosis of rolling bearings[J]. Journal of Vibration and Shock, 2006, 25(5)：92-95.
[8] TIAN Y, TAN T, WANG Y, et al. Singular values contain adequate information for face recognition[J]. Pattern Recognition, 2003, 36：649-655.
[9] 庞彦伟, 刘政凯. 融合奇异值分解和线性鉴别分析的人脸识别算法[J]. 电路与系统学报, 2006, 11(4)：47-50.
PANG Yanwei, LIU Zhengkai. Fusion of SVD and LDA for face recognition[J]. Journal of Circuits and Systems, 2006, 11(4)：47-50.
[10] 朱启兵, 刘杰, 基于结构风险最小化原则的奇异值分解降噪研究[J]. 振动工程学报, 2005, 18(2)：204-207.
ZHU Qibing, LIU Jie. Study on noise reduction in singular value decomposition based on structural risk minimization[J]. Journal of Vibration Engineering, 2005, 18(2)：204-207.
[11] 雷亚国, 何正嘉. 基于特征评估和神经网络的机械故障诊断模型[J]. 西安交通大学学报, 2006, 40(5)：558-562.
LEI Yaguo, HE Zhengjia. Mechanical fault diagnosis model based on feature evaluation and neural networks[J]. Journal of Xi’an Jiaotong University, 2006, 40(5)：558-562.
[12] JACK L B, NANDI A K. Fault detection using support vector machines and artificial neural networks augmented by genetic algorithms[J]. Mechanical Systems and Signal Processing, 2002, 16 (3)：373-390.
[13] GONZALEZ F, DASGUTA F D. Anomaly detection using real-valued negative selection[M]. Netherlands：Kluwer Academic Publisher, 2003.
[14] 丛琳，沙宇恒，焦李成. 基于免疫克隆选择算法的图像分割[J]. 电子与信息学报，2006, 28(7)：1 169-1 173.
CONG Lin, SHA Yuheng, JIAO Licheng. Application of immune clone selection algorithm to image segmentation[J]. Journal of Electronics & Information Technology, 2006, 28(7)：1 169-1 173.