支持向量数据描述和经验模态分解相结合的故障诊断

• 作者: 周喜格 李凌均 王昆
• 来源期刊: 机械强度
• 关键词: 支持向量数据描述 单值分类 故障诊断 经验模态分解
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 研究简报
• 页码范围: 1012-1014
• 页数: 3页
• 分类号: TH165.3|TP206.3
• 语种: 中文
• DOI: 10.3321/j.issn:1001-9669.2009.06.027

摘要

为了解决智能监测和故障诊断中故障样本缺乏的问题,提出一种支持向量数据描述(support vector data description,SVDD)和经验模态分解(empirical mode decomposition,EMD)相结合的单分类方法.该方法在只有正常状态数据样本而无需故障样本的情况下可以建立起单值分类器,从而区分出机器的运行状态.采用经验模态分解对数据进行预处理,提取信号在不同频带的能量特征作为SVDD的输入参数进行分类.将该方法应用于滚动轴承的故障诊断中,试验结果表明,该方法可以比传统的SVDD方法更有效地识别轴承的运行状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凌均	郑州大学振动工程研究所	45	352	12.0	17.0
2	王昆	郑州大学振动工程研究所	7	53	4.0	7.0
3	周喜格	郑州大学振动工程研究所	3	23	3.0	3.0