基于EMD多模态特征融合支持向量机的故障诊断

被引：21

作者：

沈志熙 ^{[1
]}

黄席樾 ^{[1
]}

马笑潇 ^{[2
]}

机构：

[1] 重庆大学自动化学院

[2] 新西兰况得实仪器有限公司北京代表处

来源：

控制与决策 | 2009年 / 24卷 / 06期

关键词：

故障诊断; 非平稳时间序列; 经验模态分解; 基本模式分量; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对非平稳时间序列信号,提出一种基于经验模态分解(EMD)的特征提取和多模态特征融合支持向量机的故障诊断方法.首先对原始信号进行EMD分解,选择能量最大的几个基本模式分量(IMF)并提取其小波包特征,获得对每个IMF独立的特征子集;然后在每个IMF特征子集中训练SVM弱分类器,并根据各特征子集对应的IMF能量权重进行加权融合,获得故障状态的强分类器.将该方法应用于6135型柴油机振动信号故障诊断中,实验结果表明了其可行性和有效性.

引用

页码：889 / 893

页数：5

共 6 条

[1]

基于小波分析的转子故障信号自适应降噪技术研究 [J].