基于EMD-PCA-LSSVM方法的滚动轴承安全域估计和状态辨识

• 作者: 廖贵玲 张媛 秦勇 贾利民 邢宗义
• 来源期刊: 高技术通讯
• 关键词: 滚动轴承 状态监测 安全域 经验模式分解(EMD) 主成分分析(PCA) 最小二乘支持向量机(LSSVM)
• 年，卷（期）: 2013,（5）
• 页码范围: 525-532
• 页数: 8页
• 字数: 5631字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2013.05.013

摘要

将安全域的思想引入滚动轴承的状态监测中,综合利用经验模式分解(EMD)、主成分分析(PCA)和最小二乘支持向量机(LSSVM),进行了滚动轴承运行状态的安全域估计以及正常和各种故障状态的辨识.首先,按一定的时间间隔将采集的振动数据分段,每段数据进行EMD后获得各本征模函数(IMF)分量；其次,基于各段数据的本征模函数分量,利用主成分分析方法提取出每段数据的T2统计量和平方预估误差(SPE)统计量控制限值作为滚动轴承的状态特征量；最后,利用二分类的LSSVM进行滚动轴承运行状态的安全域估计,利用多分类的LSSVM进行滚动轴承的正常以及滚动体故障、内圈故障、外圈故障四种状态的辨识.试验结果显示安全域估计准确率和多种状态辨识正确率均大于95％,验证了上述方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾利民	北京交通大学交通运输学院	176	2118	22.0	36.0
2	秦勇	北京交通大学交通运输学院	112	1035	16.0	26.0
3	张媛	北京交通大学交通运输学院	14	62	5.0	7.0
4	邢宗义	南京理工大学自动化学院	79	563	11.0	19.0
5	廖贵玲	北京交通大学交通运输学院	1	5	1.0	1.0