基于EMD与GA-SVM的轴承故障诊断

• 作者: 任国全 刘东升 张培林 李兵 米双山
• 来源期刊: 机械强度
• 关键词: 轴承 故障诊断 特征提取 特征选择 经验模态分解 Shannon熵 Renyi熵 遗传算法 最小二乘支持向量机 Wrapper
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 振动·噪声·监测·诊断
• 页码范围: 358-362
• 页数: 5页
• 分类号: TH133.33|TP206.3|TH165.3
• 语种: 中文

摘要

特征提取与特征选择是实现轴承故障诊断的关键.针对特征提取,首先将轴承振动加速度信号进行经验模态(empirical mode decomposition,简称EMD),得到一组固有模态函数(intrinsic mode function,简称IMF),计算各IMF的能量和IMF矩阵的奇异值分布,采用Shannon熵、Rrnyi熵度量能量和奇异值分布,同时提取原信号的部分统计特征共同构成原始特征子集;针对特征选择,采用遗传算法(genetic algorithm,简称GA)和最小二乘支持向量机(least square support vector machine,简称LS-SVM)的Wrapper方法选择最优特征子集.在实际轴承故障诊断中的应用,表明文中所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张培林	军械工程学院一系	253	1973	21.0	28.0
2	李兵	军械工程学院一系	70	414	12.0	16.0
6	米双山	军械工程学院四系	81	571	14.0	19.0
7	刘东升	军械工程学院四系	51	272	9.0	13.0
8	任国全	军械工程学院一系	133	1229	18.0	27.0