基于经验模态分解和支持向量机的滚动轴承故障诊断

论文摘要

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.

论文目录

• 1 引言
• 2 滚动轴承的故障类型及其特征频率
• 3 EMD的改进
•   3.1 EMD方法
•   3.2 EMD的端点效应
•   3.3 基于波形匹配延拓的EMD改进方法
• 4 基基于改进的EMD和PSO—SVM的的滚动轴承故障诊断
•   4.1 特征提取
•   4.2 PSO–SVM模型
• 5 实验结果
•   5.1 离线实验
•   5.2 在线实验
• 6 总结

文章来源

类型: 期刊论文

作者: 徐可,陈宗海,张陈斌,董广忠

关键词: 滚动轴承,故障诊断,经验模态分解,粒子群优化,支持向量机

来源: 控制理论与应用 2019年06期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 机械工业,自动化技术

单位: 中国科学技术大学信息科学技术学院,珠海市轨道交通健康运营协同创新中心

基金: 国家自然科学基金项目(61374092)资助~~

分类号: TH133.33;TP181

页码: 915-922

总页数: 8

文件大小: 567K

下载量: 1150