论文摘要
为了提高滚动轴承健康状态评估的分类精度,提出了基于局部均值分解(Local mean decomposition,简称LMD)和具有故障样本的支持向量数据描述(Support Vector Data Description,简称SVDD)相结合的滚动轴承故障状态识别方法。该方法首先将利用LMD方法进行滚动轴承振动信号的分解,得到一系列PF(乘积函数,product function)分量之和并具有物理意义,接下来对含有主要故障信息的PF分量进行能量计算并构造特征向量,最后将其输入SVDD分类器,进行滚动轴承的健康状态评估。实验结果证明该方法的可行性和有效性。
论文目录
文章来源
类型: 期刊论文
作者: 杨艳君,魏永合,王晶晶,刘炜
关键词: 滚动轴承,局部均值分解,支持向量数据描述,健康状态评估
来源: 机械设计与制造 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 沈阳理工大学机械工程学院
基金: 辽宁省科技攻关计划(2013220022)
分类号: TH133.3
DOI: 10.19356/j.cnki.1001-3997.2019.05.042
页码: 163-166+170
总页数: 5
文件大小: 594K
下载量: 282
相关论文文献
标签：滚动轴承论文; 局部均值分解论文; 支持向量数据描述论文; 健康状态评估论文;