基于CEEMDAN样本熵与SVM的滚动轴承故障诊断

• 作者: 刘乐 孙虎儿 武超 谢志谦
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: CEEMDAN 样本熵 支持向量机 特征提取 故障诊断
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 控制与检测
• 页码范围: 96-100
• 页数: 5页
• 分类号: TH166|TG506
• 字数: 4119字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2017.03.025

摘要

提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)与IMF样本熵结合的滚动轴承故障特征提取方法.利用CEEMDAN算法对振动信号进行了自适应分解,将非稳定的振动信号分解成了若干个固有模态函数(IMF)分量.计算了包含主要故障特征信息的IMF分量样本熵,实现了故障特征量化.在此基础上利用SVM在少量数据样本的情况下具有较强的学习和分类能力,通过样本数据学习与待测样本的模式识别实现滚动轴承智能诊断.通过仿真与实验数据分析,证明该方法能够改善信号特征提取的效果,对故障类型的判断表现出较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙虎儿	中北大学机械与动力工程学院	31	122	5.0	10.0
2	武超	中北大学机械与动力工程学院	5	18	2.0	4.0
3	谢志谦	中北大学机械与动力工程学院	2	16	1.0	2.0
4	刘乐	中北大学机械与动力工程学院	2	16	1.0	2.0