基于 ELMD 的样本熵及 Boosting-SVM的滚动轴承故障诊断

• 作者: 何志坚 周志雄
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 总体局域均值分解 样本熵
• 年，卷（期）: 2016,（18）
• 页码范围: 190-195
• 页数: 6页
• 分类号: TP206
• 字数: 4348字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2016.14.031

摘要

针对滚动轴承非平稳性的振动信号，提出了基于总体局域均值分解（Ensemble Local Mean Decomposition， ELMD）的样本熵及 Boost-SVM的滚动轴承故障诊断法。首先，对振动信号进行 ELMD 分解，获得一系列乘积函数（Product Function，PF）；其次，根据分解特性提出基于 K-L 散度的自适应法选取主 PF 分量，计算主 PF 分量的样本熵并将其组合成特征向量；最后，将特征向量输入 Boosting-SVM分类器进行训练与测试，从而识别滚动轴承的故障类型。实验结果表明，该方法能够有效的诊断出三种状态，且效果较局域均值分解法好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周志雄	湖南大学机械与运载工程学院	113	1471	19.0	34.0
2	何志坚	湖南大学机械与运载工程学院	17	44	4.0	5.0