EMD-ICA与SVM在滚动轴承故障诊断中的应用

• 作者: 杨伟新 王平
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 滚动轴承 独立分量 经验模式分解 AR模型 支持向量机
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 182-185
• 页数: 4页
• 分类号: TH133.4|TP206+.3
• 字数: 2784字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1335.2014.03.038

摘要

针对滚动轴承非线性的早期故障信号，应用独立分量(ICA)将滚动轴承产生的故障信号从多通道混合信号中分离出来，然后采用EMD (Empirical Mode Decomposition)进行再次降噪并建立AR模型，最后提取模型的自回归参数和残差方差作为故障特征向量，并以此作为支持向量机(SVM)分类器的输入参数来区分滚动轴承的工作状态和故障类型。实验结果表明，该方法是有效的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王平	中国航空动力机械研究所航空发动机振动技术航空科技重点实验室	10	147	5.0	10.0
2	杨伟新	中国航空动力机械研究所航空发动机振动技术航空科技重点实验室	3	18	2.0	3.0