世界科技研究与发展
世界科技研究與髮展
세계과기연구여발전
WORLD SCI-TECH R & D
2014年
1期
76-79,88
,共5页
经验模态分解%最小二乘支持向量机%滚动轴承%故障诊断
經驗模態分解%最小二乘支持嚮量機%滾動軸承%故障診斷
경험모태분해%최소이승지지향량궤%곤동축승%고장진단
empirical mode decomposition%least squares support vector machine%rolling bearing%fault diagnosis
滚动轴承故障的特征信号具有非平稳性,处于较低频带内,并且容易被噪声所淹没、难以检测,在现实条件下很难获得大量故障样本.针对滚动轴承故障信号的这些问题,提出了经验模态分解(EMD)和最小二乘支持向量机(LSSVM)结合的滚动轴承故障诊断方法.使用经验模态分解,将故障特征信号分解为若干个固有模态函数之和,提取特征向量,训练最小二乘支持向量机,通过对N205型号的滚动轴承实验数据的验证,表明了该诊断方法获得较高的准确率,能有效识别滚动轴承的故障类型.
滾動軸承故障的特徵信號具有非平穩性,處于較低頻帶內,併且容易被譟聲所淹沒、難以檢測,在現實條件下很難穫得大量故障樣本.針對滾動軸承故障信號的這些問題,提齣瞭經驗模態分解(EMD)和最小二乘支持嚮量機(LSSVM)結閤的滾動軸承故障診斷方法.使用經驗模態分解,將故障特徵信號分解為若榦箇固有模態函數之和,提取特徵嚮量,訓練最小二乘支持嚮量機,通過對N205型號的滾動軸承實驗數據的驗證,錶明瞭該診斷方法穫得較高的準確率,能有效識彆滾動軸承的故障類型.
곤동축승고장적특정신호구유비평은성,처우교저빈대내,병차용역피조성소엄몰、난이검측,재현실조건하흔난획득대량고장양본.침대곤동축승고장신호적저사문제,제출료경험모태분해(EMD)화최소이승지지향량궤(LSSVM)결합적곤동축승고장진단방법.사용경험모태분해,장고장특정신호분해위약간개고유모태함수지화,제취특정향량,훈련최소이승지지향량궤,통과대N205형호적곤동축승실험수거적험증,표명료해진단방법획득교고적준학솔,능유효식별곤동축승적고장류형.
