基于EMD近似熵和DAGSVM的机械故障诊断

• 作者: 戴桂平
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 故障诊断 经验模式分解 近似熵 决策导向循环图支持向量机
• 年，卷（期）: 2010,（5）
• 页码范围: 467-471
• 分类号: TB93
• 字数: 5341字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2010.05.19

摘要

故障特征提取的精确性和分类识别的高效率是提高故障诊断准确率和速度的关键.针对此问题,提出一种基于经验模式分解近似熵和决策导向循环图支持向量机的机械故障诊断新方法.首先,对故障振动信号进行经验模式分解, 得到若干个反映故障信息的本征模函数;其次,选取前4个本征模函数的近似熵值作为信号的特征向量;最后,将构造的特征向量输入到决策导向循环图支持向量机分类器进行故障类型识别.仿真表明,该方法能有效地提取故障特征,与"一对一"支持向量机及传统的BP网络相比,具有训练样本少、训练速度快、识别精度高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴桂平	苏州市职业大学电子信息工程系	22	144	5.0	11.0