计算机集成制造系统
計算機集成製造繫統
계산궤집성제조계통
Computer Integrated Manufacturing Systems
2015年
9期
2475-2483
,共9页
集合经验模态分解%遗传算法%支持向量机%滚动轴承%退化状态%故障诊断
集閤經驗模態分解%遺傳算法%支持嚮量機%滾動軸承%退化狀態%故障診斷
집합경험모태분해%유전산법%지지향량궤%곤동축승%퇴화상태%고장진단
ensemble empirical mode decomposition%genetic algorithms%support vector machine%rolling bearing%degradation state%fault diagnosis
为准确识别滚动轴承退化状态,提出一种集合经验模态分解和支持向量机相结合进行滚动轴承的退化状态识别方法.采用集合经验模态分解对原始信号进行分解、降噪、信号重构和故障类型诊断,通过遗传算法和支持向量机优化提取状态识别特征,利用滚动轴承退化状态概率分布以及历史剩余寿命来确定其最优退化状态数目,以建立退化状态识别模型.从不同退化状态的测试数据中提取出经过遗传算法优化删选后的特征向量,将其输入用遗传算法进行参数优化的支持向量机中进行退化状态的识别分类.实验结果表明,该方法可以实现滚动轴承退化状态的准确识别.
為準確識彆滾動軸承退化狀態,提齣一種集閤經驗模態分解和支持嚮量機相結閤進行滾動軸承的退化狀態識彆方法.採用集閤經驗模態分解對原始信號進行分解、降譟、信號重構和故障類型診斷,通過遺傳算法和支持嚮量機優化提取狀態識彆特徵,利用滾動軸承退化狀態概率分佈以及歷史剩餘壽命來確定其最優退化狀態數目,以建立退化狀態識彆模型.從不同退化狀態的測試數據中提取齣經過遺傳算法優化刪選後的特徵嚮量,將其輸入用遺傳算法進行參數優化的支持嚮量機中進行退化狀態的識彆分類.實驗結果錶明,該方法可以實現滾動軸承退化狀態的準確識彆.
위준학식별곤동축승퇴화상태,제출일충집합경험모태분해화지지향량궤상결합진행곤동축승적퇴화상태식별방법.채용집합경험모태분해대원시신호진행분해、강조、신호중구화고장류형진단,통과유전산법화지지향량궤우화제취상태식별특정,이용곤동축승퇴화상태개솔분포이급역사잉여수명래학정기최우퇴화상태수목,이건립퇴화상태식별모형.종불동퇴화상태적측시수거중제취출경과유전산법우화산선후적특정향량,장기수입용유전산법진행삼수우화적지지향량궤중진행퇴화상태적식별분류.실험결과표명,해방법가이실현곤동축승퇴화상태적준학식별.
