电子测量与仪器学报
電子測量與儀器學報
전자측량여의기학보
JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT
2013年
10期
957-962
,共6页
轴承%经验模式分解%瞬时能量熵%支持向量机%故障诊断
軸承%經驗模式分解%瞬時能量熵%支持嚮量機%故障診斷
축승%경험모식분해%순시능량적%지지향량궤%고장진단
rolling bearings%empirical mode decomposition (EMD)%momentary energy entropy%support vector machine (SVM)%fault diagnosis
针对滚动轴承故障振动信号的非平稳特性和难以获得大量实际故障样本的情况,提出了一种基于经验模式(EMD)分解的新型故障特征撮方法,并与支持向量机(SVM)相结合实现滚动轴承的故障诊断.该方法首先将振动信号进行小波包降噪,再对去噪信号进行EMD分解,求解分解后各单元的瞬时能量变化,取瞬时能量变化的熵值组成特征向量,最后将其作为支持向量机的输入实现滚动轴承故障分类.经过实验验证,该方法能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障.
針對滾動軸承故障振動信號的非平穩特性和難以穫得大量實際故障樣本的情況,提齣瞭一種基于經驗模式(EMD)分解的新型故障特徵撮方法,併與支持嚮量機(SVM)相結閤實現滾動軸承的故障診斷.該方法首先將振動信號進行小波包降譟,再對去譟信號進行EMD分解,求解分解後各單元的瞬時能量變化,取瞬時能量變化的熵值組成特徵嚮量,最後將其作為支持嚮量機的輸入實現滾動軸承故障分類.經過實驗驗證,該方法能夠有效的識彆軸承正常狀態、內圈故障、外圈故障以及滾珠故障.
침대곤동축승고장진동신호적비평은특성화난이획득대량실제고장양본적정황,제출료일충기우경험모식(EMD)분해적신형고장특정촬방법,병여지지향량궤(SVM)상결합실현곤동축승적고장진단.해방법수선장진동신호진행소파포강조,재대거조신호진행EMD분해,구해분해후각단원적순시능량변화,취순시능량변화적적치조성특정향량,최후장기작위지지향량궤적수입실현곤동축승고장분류.경과실험험증,해방법능구유효적식별축승정상상태、내권고장、외권고장이급곤주고장.
