基于经验模态分解和支持向量机的滚动轴承故障诊断

• 作者: 张陈斌 徐可 董广忠 陈宗海
• 来源期刊: 控制理论与应用
• 关键词: 滚动轴承 故障诊断 经验模态分解 粒子群优化 支持向量机
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 915-922
• 页数: 8页
• 字数: 5164字
• 语种: 中文
• DOI: 10.7641/CTA.2018.80257

摘要

本文针对滚动轴承的故障诊断问题,首先提出一种自适应波形匹配的延拓方法对经验模态分解(EMD)存在的端点效应进行改进,然后基于改进的EMD和粒子群优化算法(PSO)优化的支持向量机(SVM)设计了一种两阶段的滚动轴承故障诊断方法.离线阶段对典型的正常、故障振动信号进行EMD分解并提取能量信息作为特征,送入PSO–SVM进行训练并保存模型待用,在线阶段对实时的振动信号进行EMD分解并提取特征,利用离线阶段训练好的模型进行诊断并输出诊断结果.使用美国西储大学轴承数据对该方法进行了验证,实验结果证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈宗海	中国科学技术大学信息科学技术学院	151	2270	25.0	40.0
3	张陈斌	中国科学技术大学信息科学技术学院	15	367	7.0	15.0
5	徐可	中国科学技术大学信息科学技术学院	6	17	2.0	4.0
7	董广忠	中国科学技术大学信息科学技术学院	3	14	2.0	3.0