基于经验模态分解和支持向量机的滚动轴承故障诊断

作     者：徐可 陈宗海 张陈斌 董广忠 XU Ke;CHEN Zong-hai;ZHANG Chen-bin;DONG Guang-zhong

作者机构：中国科学技术大学信息科学技术学院安徽合肥230026 珠海市轨道交通健康运营协同创新中心广东珠海519070 

基　　金：国家自然科学基金项目(61374092)资助~~ 

出 版 物：《控制理论与应用》 (Control Theory & Applications)

年 卷 期：2019年第36卷第6期

页      码：915-922页

摘      要：本文针对滚动轴承的故障诊断问题,首先提出一种自适应波形匹配的延拓方法对经验模态分解(EMD)存在的端点效应进行改进,然后基于改进的EMD和粒子群优化算法(PSO)优化的支持向量机(SVM)设计了一种两阶段的滚动轴承故障诊断方法.离线阶段对典型的正常、故障振动信号进行EMD分解并提取能量信息作为特征,送入PSO-SVM进行训练并保存模型待用,在线阶段对实时的振动信号进行EMD分解并提取特征,利用离线阶段训练好的模型进行诊断并输出诊断结果.使用美国西储大学轴承数据对该方法进行了验证,实验结果证明了该方法的有效性.

主 题 词：滚动轴承 故障诊断 经验模态分解 粒子群优化 支持向量机 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 081104[081104] 080203[080203] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 080201[080201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7641/CTA.2018.80257

馆 藏 号：203692169...