基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用

• 作者: 于德介 杨宇 程军圣
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: EMD 滚动轴承 奇异值分解 神经网络
• 年，卷（期）: 2005,（2）
• 页码范围: 12-15
• 页数: 4页
• 分类号: TH133
• 字数: 4186字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3835.2005.02.004

摘要

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解(Empirical Mode Decomposition,简称EMD)和奇异值分解技术的滚动轴承故障诊断方法.该方法首先采用EMD方法将滚动轴承振动信号分解为多个平稳的内禀分量(Intrinsic Mode function,简称IMF)之和,并形成初始特征向量矩阵.然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为滚动轴承振动信号的故障特征向量,并输入神经网络来识别滚动轴承的工作状态和故障类型.实验分析结果表明,本文方法能有效地应用于滚动轴承故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于德介	湖南大学机械与汽车工程学院	253	5743	38.0	65.0
2	杨宇	湖南大学机械与汽车工程学院	170	5200	44.0	68.0
3	程军圣	湖南大学机械与汽车工程学院	210	5603	44.0	69.0