论文摘要
针对滚动轴承早期故障识别较困难的问题,提出一种基于变分模态分解(VMD)和马氏距离支持向量机(SVM)的诊断方法。首先,采用小波阀值法对原始振动信号进行去噪处理,获得有效的振动信号。其次,根据VMD分解后每个模态的中心频率大小不同,确定最终分解层数。同时,从分解后的变分模态分量中提取能量特征。最后,为了对样本间进行距离度量,将马氏距离引入SVM的高斯核函数计算中,建立了一个基于马氏距离的高斯函数核,用于支持向量机分类器。利用改进的SVM对轴承的运行状态进行识别,实验结果表明所提方法在识别轴承正常状态、内圈、外圈以及滚珠体故障时,具有较高的准确率。
论文目录
文章来源
类型: 期刊论文
作者: 乔美英,刘宇翔,兰建义
关键词: 轴承故障诊断,小波阀值法,变分模态分解,支持向量机,马氏距离
来源: 中山大学学报(自然科学版) 2019年05期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 机械工业,自动化技术
单位: 河南理工大学电气工程与自动化学院,煤炭安全生产河南省协同创新中心,河南理工大学能源科学与工程学院
基金: 国家自然科学基金(41672363),河南省教育厅重点科研项目(16A120004)
分类号: TP181;TH133.33
DOI: 10.13471/j.cnki.acta.snus.2019.05.002
页码: 8-16
总页数: 9
文件大小: 3729K
下载量: 216