基于EMD多模态特征融合支持向量机的故障诊断

• 作者: 沈志熙 马笑潇 黄席樾
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 故障诊断 非平稳时间序列 经验模态分解 基本模式分量 支持向量机
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 889-893
• 页数: 5页
• 分类号: TP206.3
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2009.06.017

摘要

针对非平稳时间序列信号,提出一种基于经验模态分解(EMD)的特征提取和多模态特征融合支持向量机的故障诊断方法,首先对原始信号进行EMD分解,选择能量最大的几个基本模式分量(IMF)并提取其小波包特征,获得对每个IMF独立的特征子集;然后在每个IMF特征子集中训练SVM弱分类器,并根据各特征子集对应的IMF能量权重进行加权融合,获得故障状态的强分类器,将该方法应用于6135型柴油机振动信号故障诊断中,实验结果表明了其可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄席樾	重庆大学自动化学院	232	4039	34.0	50.0
2	沈志熙	重庆大学自动化学院	20	306	10.0	17.0
3	马笑潇	新西兰况得实仪器有限公司北京代表处	2	70	2.0	2.0