基于经验模态分解、多尺度熵算法和支持向量机的滚动轴承故障诊断方法

• 作者: 张为民 张文哲 林文波
• 来源期刊: 机械制造
• 学科: 工学
• 关键词: 滚动轴承 故障 经验模态分解 多尺度样本熵 支持向量机
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 试验·检测
• 页码范围: 78-83
• 页数: 6页
• 分类号: TH165
• 字数: 4365字
• 语种: 中文

摘要

针对滚动轴承振动信号的低信噪比、高复杂性及非平稳特性,提出基于经验模态分解、多尺度熵算法与支持向量机的故障诊断方法.对振动信号通过小波包降噪提高信噪比,然后利用经验模态分解得到多个本征模态函数分量,选择与降噪信号强相关的本征模态函数分量计算其多尺度样本熵,确认能区分故障类型的最佳尺度.将这一尺度下相应分量的样本熵作为特征向量,经过归一化处理后输入支持向量机进行故障分类.试验结果表明在小样本条件下可以准确识别滚动轴承故障类型,为滚动轴承的故障识别提供了一种高效诊断方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张为民	同济大学机械与能源工程学院	112	945	17.0	25.0
5	张文哲	同济大学机械与能源工程学院	1	5	1.0	1.0
6	林文波	同济大学中德学院	1	5	1.0	1.0