一种基于经验模式分解与支持向量机的转子故障诊断方法

• 作者: 于德介 杨宇 程军圣 陈淼峰
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 经验模态分解 自回归模型 支持向量机 故障诊断 转子系统
• 年，卷（期）: 2006,（16）
• 所属期刊栏目: 电工电机
• 页码范围: 162-167
• 页数: 6页
• 分类号: TH113
• 字数: 4633字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2006.16.028

摘要

转子系统故障诊断的关键是故障特征提取和状态识别,在故障特征提取中,采用自回归(AR)模型参数作为特征向量来分析系统的状态变化是十分有效的,但AR模型只适用于平稳信号的分析,而转子系统的振动信号表现出非平稳特征;同时在状态识别中,支持向量机(SVM)有效地改善了传统分类方法的缺陷.针对这些问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)和支持向量机的转子系统故障诊断方法.该方法对转子系统的振动信号进行经验模态分解,将其分解为若干个固有模态函数(intrinsic mode function,IMF);对每一个IMF分量建立AR模型,取模型的自回归参数和残差的方差作为故障特征向量,并以此作为输入来建立支持向量机分类器,判断转子系统的工作状态和故障类型.实验结果分析表明,文中提出的方法能有效地应用于转子系统的故障诊断.

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
4	陈淼峰	湖南大学机械与汽车工程学院	4	212	4.0	4.0