结合马田系统-SVM的滚动轴承故障模式分类研究

• 作者: 韩卫宇 程龙生
• 来源期刊: 计算机工程与应用
• 关键词: 故障模式分类 马田系统(MTS) 支持向量机(SVM) 集合经验模态分解(EEMD)
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 工程与应用|Engineering and Applications
• 页码范围: 239-246
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1912-0356

摘要

为了有效地确定滚动轴承的故障类型和受损程度,提出了结合马田系统和SVM的滚动轴承故障模式分类方法.利用EEMD方法对原始振动信号进行分解,得到一系列IMF.经过故障敏感IMF选取方法筛选IMF后计算其时域和频域特征参数以及原始信号的能量熵参数,构造初始的多维特征空间.运用马田系统中的正交表和信噪比进行特征降维,得到精简特征空间.接下来使用偏二叉树方法构建支持向量机多分类模型.通过实验数据进行模型验证,结果表明该方法可以实现滚动轴承故障模式分类.