基于经验模态分解和主成分分析的滚动轴承故障诊断研究

论文摘要

针对传统的振动信号特征提取效率低、诊断时间较长等问题,提出了基于经验模态分解与主成分分析的滚动轴承故障诊断方法。首先利用经验模态分解将振动信号分解为有限个本征模函数和一个残差函数,提取主要的本征模函数能量及其局部平均频率特征,最后将复合特征向量作为主成分分析分类器的输入,完成对故障的识别。实验结果表明:复合特征向量能够有效地反映轴承的运行状态;相比于BP神经网络、支持向量机、K-近邻算法,主成分分析分类法不仅能够准确地识别故障,而且训练时间短、使用方便。

论文目录

• 1 引言
• 2 相关理论研究
•   2.1 EMD理论
•   2.2 PCA分类算法
• 3 仿真研究
•   3.1 振动信号特征提取
•   3.2 实验与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 汪朝海,蔡晋辉,曾九孙

关键词: 计量学,滚动轴承,故障诊断,经验模态分解,主成分分析,特征提取

来源: 计量学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 中国计量大学计量测试工程学院

基金: 国家重点研发计划(2018YFF0214700),浙江省舟山市科技计划(2017C12036)

分类号: TH133.33

页码: 1077-1082

总页数: 6

文件大小: 508K

下载量: 567