基于改进的集合经验模态分解的电动机滚动轴承故障诊断研究

论文摘要

针对电动机轴承早期故障信号非线性非平稳性特征,造成故障信号特征提取和故障诊断困难,提出一种改进的基于添加自适应白噪声的完备集合经验模态分解与支持向量机结合的电动机轴承故障诊断方法。将美国凯斯西储大学测得的电动机轴承正常运行、滚动针体故障、外圈故障、内圈故障共4种信号分别用CEEMDAN和EEMD进行分解,得到多个模式分量,再将IMF能量法计算得到的特征向量引入支持向量机,进行电动机轴承故障识别。试验对比研究表明,该方法能更有效进行电动机轴承早期故障识别。

论文目录

• 0 引言
• 1 算法基本原理
•   1.1 EEMD算法
•   1.2 CEEMDAN算法
•   1.3 CEEMDAN能量特征向量
• 2 支持向量机模型
• 3 试验分析
•   3.1 数据采集
•   3.2 识别测试
• 4 结语

文章来源

类型: 期刊论文

作者: 卓仁雄,肖金凤

关键词: 电动机轴承,模态分解,固有模态函数,支持向量机,故障诊断

来源: 机械制造与自动化 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 南华大学电气工程学院

基金: 湖南省教育厅重点项目(17A182)

分类号: TM32

DOI: 10.19344/j.cnki.issn1671-5276.2019.01.011

页码: 36-39

总页数: 4

文件大小: 708K

下载量: 263