基于EEMD样本熵和SVDD的在役锚固螺杆故障诊断研究

• 作者: 叶俊勇 常贵春 李阳
• 来源期刊: 软件
• 学科: 工学
• 关键词: 锚固螺杆 集合经验模态分解 支持向量数据描述 样本熵
• 年，卷（期）: 2015,（2）
• 页码范围: 20-26
• 页数: 7页
• 分类号: TP393
• 字数: 4114字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2015.02.005

摘要

为了实现对重庆市轻轨轨道梁的在役锚固螺杆的健康检测并且能够及时发现故障螺杆，本文提出了一种基于集合经验模态分解(EEMD)的样本熵与支持向量数据描述(SVDD)相结合的诊断方法。首先，利用 EEMD 方法将得到的正常锚固螺杆振动信号分解为若干个平稳的本征模态函数(IMF)分量，然后计算得到每个分量的样本熵，最后把得到的样本熵作为特征集输入到SVDD分类器进行训练和分类。大量实验结果表明，该方法不仅解决了故障样本缺乏的难题而且对锚固螺杆故障识别的错分率可以控制在5%以下，因此可以作为锚固螺杆是否处于正常工作状态的重要检测方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶俊勇	重庆大学光电技术及系统教育部重点实验室	46	362	12.0	16.0
2	李阳	重庆大学光电技术及系统教育部重点实验室	19	219	5.0	14.0
3	常贵春	重庆大学光电技术及系统教育部重点实验室	2	3	1.0	1.0