D0I:10.13374h.issn1001-053x.2011.10.020 第33卷第10期 北京科技大学学报 Vol.33 No.10 2011年10月 Journal of University of Science and Technology Beijing 0ct.2011 基于判别域界面几何法模式识别的铁路轴承故障诊断 唐 英四 李应珍 北京科技大学机械工程学院，北京100083 ☒通信作者，E-mail:tangydl(@public.3.bta.net.cn 摘要基于最优分类线的概念，提出了一种新的模式识别分类器构建方法一判别域界面几何法.该方法利用BP神经网 络的高度非线性，将模式类样本数据从高维输入空间映射至二维判别域空间后，采用多边形中轴提取方法，构造模式类间隙 多边形的中轴线，延伸至整个二维判别域空间，生成模式类决策边界.以铁路货车车轮用双列圆锥滚子轴承的故障诊断为例， 介绍了判别域界面几何法的应用过程.结果表明，判别域界面几何法能在二维判别域空间上给出各不同故障模式类之间明确 的界限，这就给操作者直观判断故障模式类别提供了条件. 关键词滚动轴承：故障诊断：模式识别：铁路车轮：神经网络 分类号TP206·.3 Railway bearing fault diagnosis with the pattern recognition method of interface geometric discriminant TANG Ying☒，LI Ying--hen School of Mechanical Engineering,University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:tangydl@public3.bta.net.cn ABSTRACT With the concept of optimal classification lines,a pattern recognition method,which uses interface geometric discrimi- nant to generate a pattern classifier,was proposed.Major procedures of the method include:mapping multidimensional inputted char- acteristic vectors of different pattern classes to a 2-dimensional (2D)discriminant space with a BP neural network which is character- ized by its high nonlinear mapping capability,extracting a polygon axis of the polygon which is formed at the interval clearance space among pattern classes,and constructing a decision-making boundary for pattern recognition by extending polygon axes to all discriminat- ing domains.The method was tested in a case study of fault diagnosis for double row tapered roller-bearings used in railway wheels. The result shows that the proposed method can construct decision-making boundaries for different fault patterns on a 2D discriminant space,which provides a condition to operators for intuitive recognition of fault classifications in practice. KEY WORDS roller bearings;fault diagnosis:pattern recognition:railway wheels:neural networks 随着我国铁路提速调度和重载运输的不断发 一般来说，滚动轴承的状态检测与故障诊断过 展，列车部件的故障率有增大的趋势，这给车辆的安 程包含信号采集、特征提取、状态识别、故障分析和 全运行增加了很大压力.我国的车辆安全监测水平 决策干预等五个基本环节.这是一个通过对轴承故 与提速运行之间仍存在较大的矛盾.例如，滚动轴 障症兆的检测，取得特征参数的基本信息，然后进行 承是高速车辆的重要部件，其性能的好坏，直接影响 状态识别，并以此分析故障原因和部位的过程.上 着列车速度的提高及运行安全.目前，轴承故障仍 述五个环节缺一不可，而其中非常关键也较为困难 是车辆运行中的主要故障源之一口.因此，滚动轴 的一环是状态识别.对于滚动轴承，由于它的故障 承的状态检测和故障诊断一直是铁路系统关心的 模式以及故障来源的多样性，人们无法得知它的准 焦点回， 确的数学模型.在得不到准确的系统数学模型时， 收稿日期：2010-10-13第 33 卷 第 10 期 2011 年 10 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 33 No． 10 Oct． 2011 基于判别域界面几何法模式识别的铁路轴承故障诊断 唐 英 李应珍 北京科技大学机械工程学院，北京 100083 通信作者，E-mail: tangydl@ public3． bta． net． cn 摘 要 基于最优分类线的概念，提出了一种新的模式识别分类器构建方法———判别域界面几何法． 该方法利用 BP 神经网 络的高度非线性，将模式类样本数据从高维输入空间映射至二维判别域空间后，采用多边形中轴提取方法，构造模式类间隙 多边形的中轴线，延伸至整个二维判别域空间，生成模式类决策边界． 以铁路货车车轮用双列圆锥滚子轴承的故障诊断为例， 介绍了判别域界面几何法的应用过程． 结果表明，判别域界面几何法能在二维判别域空间上给出各不同故障模式类之间明确 的界限，这就给操作者直观判断故障模式类别提供了条件． 关键词 滚动轴承; 故障诊断; 模式识别; 铁路车轮; 神经网络 分类号 TP206 + ． 3 Railway bearing fault diagnosis with the pattern recognition method of interface geometric discriminant TANG Ying ，LI Ying-zhen School of Mechanical Engineering，University of Science and Technology Beijing，Beijing 100083，China Corresponding author，E-mail: tangydl@ public3． bta． net． cn ABSTRACT With the concept of optimal classification lines，a pattern recognition method，which uses interface geometric discrimi￾nant to generate a pattern classifier，was proposed． Major procedures of the method include: mapping multidimensional inputted char￾acteristic vectors of different pattern classes to a 2-dimensional ( 2D) discriminant space with a BP neural network which is character￾ized by its high nonlinear mapping capability，extracting a polygon axis of the polygon which is formed at the interval clearance space among pattern classes，and constructing a decision-making boundary for pattern recognition by extending polygon axes to all discriminat￾ing domains． The method was tested in a case study of fault diagnosis for double row tapered roller-bearings used in railway wheels． The result shows that the proposed method can construct decision-making boundaries for different fault patterns on a 2D discriminant space，which provides a condition to operators for intuitive recognition of fault classifications in practice． KEY WORDS roller bearings; fault diagnosis; pattern recognition; railway wheels; neural networks 收稿日期: 2010--10--13 随着我国铁路提速调度和重载运输的不断发 展，列车部件的故障率有增大的趋势，这给车辆的安 全运行增加了很大压力． 我国的车辆安全监测水平 与提速运行之间仍存在较大的矛盾． 例如，滚动轴 承是高速车辆的重要部件，其性能的好坏，直接影响 着列车速度的提高及运行安全． 目前，轴承故障仍 是车辆运行中的主要故障源之一［1］． 因此，滚动轴 承的状态检测和故障诊断一直是铁路系统关心的 焦点［2］． 一般来说，滚动轴承的状态检测与故障诊断过 程包含信号采集、特征提取、状态识别、故障分析和 决策干预等五个基本环节． 这是一个通过对轴承故 障症兆的检测，取得特征参数的基本信息，然后进行 状态识别，并以此分析故障原因和部位的过程． 上 述五个环节缺一不可，而其中非常关键也较为困难 的一环是状态识别． 对于滚动轴承，由于它的故障 模式以及故障来源的多样性，人们无法得知它的准 确的数学模型． 在得不到准确的系统数学模型时， DOI:10.13374/j.issn1001-053x.2011.10.020