基于特征量融合和支持向量机的轴承故障诊断

• 作者: 刘德胜 史庆军 郭晓振
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 轴承故障 经验模态分解 能量熵 支持向量机
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 104-111
• 页数: 8页
• 分类号: TP277
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902206

摘要

为了准确地检测轴承故障,提出了基于经验模态分解(EMD)和局部均值分解(LMD)轴承振动信号相结合构成特征量矩阵的方法.首先对轴承振动信号进行EMD分解得到前三阶本征模态函数(IMF)分量的上下包络值矩阵的奇异值,通过LMD分解,得到各PF分量的能量熵和,然后将奇异值和能量熵融合成一个特征向量矩阵,最后用支持向量机多分类算法进行分类.经过实验仿真验证,滚动轴承滚珠、内圈和外圈故障识别的准确率为90％,与单一特征量作为支持向量机的诊断输入来比较,该方法能更加精准地识别出了轴承故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史庆军		29	96	5.0	8.0
2	刘德胜		41	114	6.0	8.0
3	郭晓振		2	0	0.0	0.0