基于小波包分解和EMD-SVM的轴承故障诊断方法

作     者：杨保海 陈栋 郑冬喜 查代奉 Yang Baohai;Chen Dong;Zheng Dongxi;Zha Daifeng

作者机构：九江学院电子工程学院江西九江332005 九江学院机械与材料工程学院江西九江332005 九江学院理学院江西九江332005 

基　　金：国家自然科学基金资助项目(61261046) 江西省自然基金资助项目(20142BAB207006) 江西省教育厅科技基金资助项目(GJJ14739 GJJ11244 GJJ11245 GJJ14721) 九江学院校级科研项目(2013KJ02 2013KJ01) 

出 版 物：《计算机测量与控制》 (Computer Measurement &Control)

年 卷 期：2015年第23卷第4期

页      码：1118-1120,1123页

摘      要：针对轴承振动信号具有的非平稳和故障诊断样本数据难以按需获取的问题,设计了一种基于小波包分解和EMD-SVM的故障诊断方法;首先,采用Mallat塔式算法对信号进行降噪,实现信号的小波分解,获得重构后的故障诊断子频带信号;然后,在经典的EMD算法的基础上定义了改进的EMD算法,采用改进的EMD算法对经过小波包降噪的故障诊断子频带信号进行特征提取,从而获得故障诊断特征向量;最后,采用适合小样本分类的SVM进行故障诊断,将经过小波包降噪和EMD特征提取的样本数据用于训练SVM,得到用于故障诊断的多个二分类SVM故障诊断模型,通过投票机制来确定样本数据最终对应的故障诊断类别;在Matlab环境下对轴承故障诊断进行实验,实验结果证明了文中基于小波包和EMD-SVM的方法一种适用于小样本的故障诊断方法,且与其它方法相比,具有诊断效率高和精度高的优点。

主 题 词：故障诊断 小波包分解 轴承 支持向量机 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1671-4598.2015.04.016

馆 藏 号：203520559...