基于改进EMD和数据分箱的轴承内圈故障特征提取方法

• 作者: 于青民 李晓磊 翟勇
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 改进经验模态分解 数据分箱 滚动轴承内圈 特征提取 故障诊断 代价敏感问题
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 控制科学与工程
• 页码范围: 89-95
• 页数: 7页
• 分类号: TH17
• 字数: 3717字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2016.270

摘要

为解决直驱风力发电机主轴后轴承内圈轻微损伤故障诊断问题,针对实际工程中振动信号的复杂特性,提出一种基于改进经验模态分解(empirical mode decomposition,EMD)和数据分箱的特征提取算法.将信号进行改进经验模态分解,得到一系列平稳的本征模函数(intrinsic mode function,IMF).对分解后的信号提取均值、方差等幅域参数特征,并根据参数有效性选择部分参数组成特征矩阵.选用等宽分箱方法,用箱内数据均值代替箱体数据,将特征矩阵进行平滑处理.经验证,该方法能准确提取实际工程信号中的有效特征,并从特征选择的角度较好解决了分类器代价敏感问题,减少了机器学习模型的过拟合现象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓磊	山东大学控制科学与工程学院	31	1193	15.0	31.0
2	于青民	山东大学控制科学与工程学院	4	28	2.0	4.0
3	翟勇	东北电力大学机械工程学院	5	31	3.0	5.0