基于EEMD-Hilbert和FWA-SVM的 滚动轴承故障诊断方法

• 作者: 包珊珊 张敏 蔡振宇
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 集合经验模态分解 Hilbert变换 烟花算法 支持向量机
• 年，卷（期）: 2019,（3）
• 页码范围: 633-639,662
• 页数: 8页
• 分类号: TH17
• 字数: 4254字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.20170435

摘要

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解(empirical mode decomposition,EEMD)、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机(support vector machine,SVM)分类参数的滚动轴承故障诊断方法.通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维.结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63％;比传统的遗传算法和粒子群算法优化模型分别提高0.4％和0.2％左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敏	西南交通大学机械工程学院	63	389	10.0	17.0
5	蔡振宇	西南交通大学机械工程学院	5	6	1.0	2.0
6	包珊珊	西南交通大学机械工程学院	4	6	1.0	2.0