基于EMD幅值熵和支持向量机的滚动轴承故障诊断

• 作者: 刘自然 尚坤 李谦 胡毅伟
• 来源期刊: 机械研究与应用
• 关键词: 经验模态分解 幅值熵 滚动轴承 特征提取 支持向量机
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 检测与控制
• 页码范围: 166-169
• 页数: 4页
• 分类号: TH133
• 语种: 中文
• DOI: 10.16576/j.cnki.1007-4414.2019.02.052

摘要

针对滚动轴承早期故障特征微弱,无法对轴承状态进行有效辨识的特点,提出基于EMD幅值熵和支持向量机的故障诊断方法.首先通过经验模态分解的自适应性将振动信号分解为不同时间尺度的本征模态函数IMFs,然后从分解的IMFs中分别提取瞬时幅值香农熵构造故障特征集,最后通过支持向量机对提取的故障特征集进行分类识别.滚动轴承实验结果表明,所提方法相比基于EMD和AR模型的故障诊断方法效果更好,诊断识别率达到100％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘自然	河南工业大学机电工程学院	34	304	10.0	16.0
2	尚坤	河南工业大学机电工程学院	7	7	1.0	2.0
3	李谦	河南工业大学机电工程学院	7	8	2.0	2.0
4	胡毅伟	河南工业大学机电工程学院	3	6	1.0	2.0