基于EEMD能量熵和支持向量机的轴承故障诊断

• 作者: 张超 董文智
• 来源期刊: 机械设计与研究
• 学科: 工学
• 关键词: 总体平均经验模态分解(EEMD) 本征模函数 能量熵 支持向量机(SVM) 故障诊断
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 零部件分析与设计
• 页码范围: 53-56,63
• 分类号: TG17
• 字数: 3397字
• 语种: 中文

摘要

提出了一种基于总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和支持向量机(Support Vector Machine,SVM)的轴承故障诊断方法.首先通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(Intrinsic Mode Function,IMF);轴承发生不同的故障时,信号在不同频带内的能量值会发生改变,故可通过计算不同振动信号的EEMD能量熵判断是否发生故障；从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机,判断轴承的工作状态和故障类型.实验结果表明,文中提出的方法能有效地应用于轴承的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张超	内蒙古科技大学信息工程学院	63	448	11.0	20.0
2	董文智		3	90	2.0	3.0