基于LMD和SVDD的滚动轴承健康状态评估

• 作者: 刘炜 杨艳君 王晶晶 魏永合
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 滚动轴承 局部均值分解(LMD) 支持向量数据描述(SVDD) 健康状态评估
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 数控与自动化
• 页码范围: 163-166,170
• 页数: 5页
• 分类号: TH16|TH133.33|TH165.3
• 字数: 3353字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2019.05.042

摘要

为了提高滚动轴承健康状态评估的分类精度,提出了基于局部均值分解(Local mean decomposition,简称LMD)和具有故障样本的支持向量数据描述(Support Vector Data Description,简称SVDD)相结合的滚动轴承故障状态识别方法.该方法首先将利用LMD方法进行滚动轴承振动信号的分解,得到一系列PF(乘积函数,product function)分量之和并具有物理意义,接下来对含有主要故障信息的PF分量进行能量计算并构造特征向量,最后将其输入SVDD分类器,进行滚动轴承的健康状态评估.实验结果证明该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏永合	沈阳理工大学机械工程学院	33	151	6.0	10.0
2	王晶晶	沈阳理工大学机械工程学院	5	11	2.0	3.0
3	杨艳君	沈阳理工大学机械工程学院	4	6	2.0	2.0
4	刘炜	沈阳理工大学机械工程学院	7	7	2.0	2.0