基于SVM和EMD包络谱的滚动轴承故障诊断方法

被引：24

作者：

程军圣

于德介

杨宇

机构：

[1] 湖南大学机械与汽车工程学院

[2] 湖南大学机械与汽车工程学院湖南长沙

[3] 湖南长沙

来源：

系统工程理论与实践 | 2005年 / 09期

关键词：

支持向量机; 经验模态分解; 包络谱; 特征幅值比; 滚动轴承; 故障诊断;

D O I：

暂无

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

080203 ;

摘要：

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.

引用

页码：131 / 136

页数：6

共 7 条

[1] 基于支持向量机的机械故障诊断方法研究 [J].