基于VMD-SVM的滚动轴承退化状态识别

• 作者: 刘世勋 吕明珠 苏晓明 陈长征
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 变分模态分解(VMD) 支持向量机(SVM) 滚动轴承 退化状态识别
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 先进制造技术
• 页码范围: 96-100
• 页数: 5页
• 分类号: TH16|TH133.33
• 字数: 4770字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2020.01.025

摘要

针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法.该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态分量(IMF),然后提取敏感IMF分量的时域指标和能量熵构成退化特征向量序列,最后随机抽取不同退化状态下的少量样本输入SVM模型训练,建立退化状态模型库,并用真实数据进行测试.实验结果表明该方法能够准确识别出轴承的退化状态,通过与EMD-SVM、EEMD-SVM模型对比,验证了该方法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈长征	沈阳工业大学机械工程学院	199	1777	21.0	34.0
2	苏晓明	沈阳工业大学机械工程学院	45	121	6.0	9.0
3	吕明珠	沈阳工业大学机械工程学院	21	86	5.0	8.0