SOM与EWMA在滚动直线导轨故障预测中的应用

提出了一种基于机器学习的滚动直线导轨故障预测集成方法.首先,通过寿命试验,对由三轴加速度传感器采集的振动信号进行小波包分解,提取分部能量作为信号特征;其次,运用提取的特征训练自组织映射(Self?organizing map,SOM)神经网络,应用训练后的SOM识别线轨健康状态;最后,使用最小量化误差与指数加权移动平均控制图(Exponentially weighted moving?average,EWMA)实现动态故障预警.该方法将SOM与小波包分解相结合,选用最小量化误差构建EWMA控制图,解决了线轨状态监测可视化与疲劳程度数值评定问题,验证了该集成方法用于直线导轨故障预测的有效性.