基于样本熵和SVM的滚动轴承故障诊断方法研究

• 作者: 但长林 张彬 李三雁
• 来源期刊: 中国测试
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 样本熵 SVM 状态监测
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 物理测试
• 页码范围: 37-42
• 页数: 6页
• 分类号: TH17
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2020080079

摘要

滚动轴承状态监测信号一般表现出复杂的非平稳、非线性,从而需要研究非平稳信号分析与非线性特征提取的故障诊断方法.为此,该文研究一种基于振动信号分解样本熵特征和SVM分类器的滚动轴承故障诊断方法.首先,通过改进的自适应白噪声完备集合经验模态分解(ICEEMDAN)算法将原始振动信号分解成一系列的本征模态函数;然后,将本征模态函数重构到相空间,分析提取样本熵特征以描述滚动轴承的运行状态;最后,构建和训练SVM多分类器以实现滚动轴承正常、故障状态的智能诊断.滚动轴承故障模拟实验台的案例研究结果表明,基于样本熵和SVM可以较准确地进行滚动轴承不同故障模式、不同故障尺寸的诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张彬		7	19	2.0	4.0
2	但长林		1	0	0.0	0.0
3	李三雁		1	0	0.0	0.0