论文摘要
为了准确地检测轴承故障,提出了基于经验模态分解(EMD)和局部均值分解(LMD)轴承振动信号相结合构成特征量矩阵的方法。首先对轴承振动信号进行EMD分解得到前三阶本征模态函数(IMF)分量的上下包络值矩阵的奇异值,通过LMD分解,得到各PF分量的能量熵和,然后将奇异值和能量熵融合成一个特征向量矩阵,最后用支持向量机多分类算法进行分类。经过实验仿真验证,滚动轴承滚珠、内圈和外圈故障识别的准确率为90%,与单一特征量作为支持向量机的诊断输入来比较,该方法能更加精准地识别出了轴承故障。
论文目录
文章来源
类型: 期刊论文
作者: 史庆军,郭晓振,刘德胜
关键词: 轴承故障,经验模态分解,能量熵,支持向量机
来源: 电子测量与仪器学报 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业
单位: 佳木斯大学信息电子技术学院
基金: 黑龙江省留学归国人员基金(LC2017027),佳木斯大学科技创新团队建设项目(CXTDPY-2016-3)资助
分类号: TH133.3
DOI: 10.13382/j.jemi.B1902206
页码: 104-111
总页数: 8
文件大小: 434K
下载量: 212