仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2013年
8期
1834-1840
,共7页
王玉静%姜义成%康守强%杨广学%陈艳娜
王玉靜%薑義成%康守彊%楊廣學%陳豔娜
왕옥정%강의성%강수강%양엄학%진염나
集合经验模态分解%支持向量机%滚动轴承%性能退化程度
集閤經驗模態分解%支持嚮量機%滾動軸承%性能退化程度
집합경험모태분해%지지향량궤%곤동축승%성능퇴화정도
ensemble empirical mode decomposition%support vector machine%rolling bearing%performance degradation degree
为了更有效地同时诊断出滚动轴承故障位置及不同性能退化程度,提出了对滚动轴承不同状态振动信号进行特征提取和智能分类的故障诊断方法.该方法对各状态振动信号进行集合经验模态分解,但其效果依赖于总体平均次数和加入噪声的大小这2个重要参数,因此,提出集合经验模态分解中加入白噪声的准则.将分解后的一系列固有模态函数结合奇异值分解获取各状态的奇异值,并组成特征向量矩阵.将其输入到改进的超球结构多类支持向量机进行分类,从而实现滚动轴承正常、不同故障位置及性能退化程度的多状态同时智能诊断.实验结果表明,提出的集合经验模态分解方法中加入白噪声准则,可避免人为确定分解参数,提高其分解效率.基于优化参数的集合经验模态分解结合奇异值分解的智能诊断方法比已有的基于经验模态分解结合自回归模型的诊断方法识别率高.
為瞭更有效地同時診斷齣滾動軸承故障位置及不同性能退化程度,提齣瞭對滾動軸承不同狀態振動信號進行特徵提取和智能分類的故障診斷方法.該方法對各狀態振動信號進行集閤經驗模態分解,但其效果依賴于總體平均次數和加入譟聲的大小這2箇重要參數,因此,提齣集閤經驗模態分解中加入白譟聲的準則.將分解後的一繫列固有模態函數結閤奇異值分解穫取各狀態的奇異值,併組成特徵嚮量矩陣.將其輸入到改進的超毬結構多類支持嚮量機進行分類,從而實現滾動軸承正常、不同故障位置及性能退化程度的多狀態同時智能診斷.實驗結果錶明,提齣的集閤經驗模態分解方法中加入白譟聲準則,可避免人為確定分解參數,提高其分解效率.基于優化參數的集閤經驗模態分解結閤奇異值分解的智能診斷方法比已有的基于經驗模態分解結閤自迴歸模型的診斷方法識彆率高.
위료경유효지동시진단출곤동축승고장위치급불동성능퇴화정도,제출료대곤동축승불동상태진동신호진행특정제취화지능분류적고장진단방법.해방법대각상태진동신호진행집합경험모태분해,단기효과의뢰우총체평균차수화가입조성적대소저2개중요삼수,인차,제출집합경험모태분해중가입백조성적준칙.장분해후적일계렬고유모태함수결합기이치분해획취각상태적기이치,병조성특정향량구진.장기수입도개진적초구결구다류지지향량궤진행분류,종이실현곤동축승정상、불동고장위치급성능퇴화정도적다상태동시지능진단.실험결과표명,제출적집합경험모태분해방법중가입백조성준칙,가피면인위학정분해삼수,제고기분해효솔.기우우화삼수적집합경험모태분해결합기이치분해적지능진단방법비이유적기우경험모태분해결합자회귀모형적진단방법식별솔고.
