基于内禀模态奇异值分解和支持向量机的故障诊断方法

• 作者: 于德介 杨宇 程军圣
• 来源期刊: 自动化学报
• 学科: 工学
• 关键词: 旋转机械 故障诊断 经验模态分解 内禀模态函数 奇异值分解 支持向量机
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 短文
• 页码范围: 475-480
• 页数: 6页
• 分类号: TH133
• 字数: 3701字
• 语种: 中文

摘要

提出了一种基于内禀模态(Intrinsic mode functions,简称IMFs)奇异值分解和支持向量机(Support vector machine,简称SVM)的故障诊断方法.采用经验模态分解(Empirical mode decomposition,简称EMD)方法对旋转机械故障振动信号进行分解,将得到的若干个内禀模态分量自动形成初始特征向量矩阵,然后对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量,并进一步根据支持向量机分类器的输出结果来判断旋转机械的工作状态和故障类型.对齿轮振动信号的分析结果表明,即使在小样本情况下,基于内禀模态奇异值分解和支持向量机的故障诊断方法仍能有效地识别齿轮的工作状态和故障类型.

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