本文關(guān)鍵詞：基于CEEMDAN樣本熵與SVM的滾動(dòng)軸承故障診斷

  更多相關(guān)文章： CEEMDAN 樣本熵 支持向量機(jī) 特征提取 故障診斷

【摘要】：提出一種基于自適應(yīng)噪聲的完備經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMDAN)與IMF樣本熵結(jié)合的滾動(dòng)軸承故障特征提取方法。利用CEEMDAN算法對(duì)振動(dòng)信號(hào)進(jìn)行了自適應(yīng)分解,將非穩(wěn)定的振動(dòng)信號(hào)分解成了若干個(gè)固有模態(tài)函數(shù)(IMF)分量。計(jì)算了包含主要故障特征信息的IMF分量樣本熵,實(shí)現(xiàn)了故障特征量化。在此基礎(chǔ)上利用SVM在少量數(shù)據(jù)樣本的情況下具有較強(qiáng)的學(xué)習(xí)和分類(lèi)能力,通過(guò)樣本數(shù)據(jù)學(xué)習(xí)與待測(cè)樣本的模式識(shí)別實(shí)現(xiàn)滾動(dòng)軸承智能診斷。通過(guò)仿真與實(shí)驗(yàn)數(shù)據(jù)分析,證明該方法能夠改善信號(hào)特征提取的效果,對(duì)故障類(lèi)型的判斷表現(xiàn)出較高的識(shí)別率。
【作者單位】： 中北大學(xué)機(jī)械與動(dòng)力工程學(xué)院;
【關(guān)鍵詞】： CEEMDAN 樣本熵 支持向量機(jī) 特征提取 故障診斷
【基金】：山西省自然科學(xué)基金(2014011024-6)
【分類(lèi)號(hào)】：TH133.33
【正文快照】： 0引言滾動(dòng)軸承故障診斷的本質(zhì)是故障類(lèi)型的識(shí)別過(guò)程,故障特征信息提取是準(zhǔn)確識(shí)別故障類(lèi)型的關(guān)鍵步驟。由于滾動(dòng)軸承的振動(dòng)信號(hào)具有非線性和非平穩(wěn)的特性,而且在信號(hào)的采集過(guò)程中容易受到硬件設(shè)備與周?chē)h(huán)境的干擾[1]。因此在滾動(dòng)軸承復(fù)雜的信號(hào)中去提取敏感的特征信息是故障診

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 李善;譚繼文;俞昆;;基于EEMD-GRNN網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷試驗(yàn)研究[J];制造技術(shù)與機(jī)床;2016年03期

2 李鋒;林陽(yáng)陽(yáng);趙輝;晁蘇全;王浩;;基于CEEMDAN-SVM的液壓泵故障診斷方法研究[J];液壓與氣動(dòng);2016年01期

3 魏永合;王明華;林夢(mèng)菊;田鵬;;基于改進(jìn)EEMD的滾動(dòng)軸承故障特征提取技術(shù)[J];組合機(jī)床與自動(dòng)化加工技術(shù);2015年01期

4 向丹;葛爽;;基于EMD樣本熵-LLTSA的故障特征提取方法[J];航空動(dòng)力學(xué)報(bào);2014年07期

5 樓軍偉;胡赤兵;趙家黎;;EEMD樣本熵在軸承故障SVM識(shí)別中的研究[J];機(jī)械傳動(dòng);2014年03期

6 李林峰;趙軍;郭天太;宋玉倩;;基于EEMD、模糊熵和SVM的齒輪故障診斷方法[J];機(jī)械傳動(dòng);2014年02期

7 程軍圣;于德介;楊宇;;基于EMD和SVM的滾動(dòng)軸承故障診斷方法[J];航空動(dòng)力學(xué)報(bào);2006年03期

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王莉娜;楊劍;孟慶強(qiáng);;消除局域分解端部效應(yīng)的BP神經(jīng)網(wǎng)絡(luò)閉合方法[J];電子技術(shù)應(yīng)用;2017年05期

2 秦波;王祖達(dá);郭慧莉;孫國(guó)棟;陳帥;王建國(guó);;基于VMD和對(duì)稱(chēng)差分能量算子解調(diào)的滾動(dòng)軸承故障診斷方法[J];機(jī)械傳動(dòng);2017年05期

3 俞昆;譚繼文;李善;;基于多域空間狀態(tài)矩陣奇異值與局部保持投影的滾動(dòng)軸承故障特征提取方法[J];機(jī)床與液壓;2017年09期

4 孫永濤;吳永剛;;變分模態(tài)分解與對(duì)稱(chēng)差分能量算子解調(diào)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];內(nèi)蒙古科技與經(jīng)濟(jì);2017年09期

5 高翔;戴惠良;王弘鵬;;一種簇絨機(jī)故障診斷方法的研究（英文）[J];機(jī)床與液壓;2017年06期

6 張啟帆;侯力;魏永峭;趙斐;吳陽(yáng);;LMD與小波閾值降噪結(jié)合的軸承故障識(shí)別[J];組合機(jī)床與自動(dòng)化加工技術(shù);2017年03期

7 劉樂(lè);孫虎兒;謝志謙;;基于SVD-LMD模糊熵與PNN的滾動(dòng)軸承故障診斷[J];機(jī)械傳動(dòng);2017年03期

8 李晉;彭沖;湯井田;燕歡;蔡劍華;;局域均值分解和小波閾值在大地電磁噪聲壓制中的應(yīng)用[J];振動(dòng)與沖擊;2017年05期

9 劉秀麗;徐小力;;風(fēng)電機(jī)組齒輪箱早期故障弱特征信息提取方法[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

10 杜冬梅;張昭;李紅;何青;;基于LMD和增強(qiáng)包絡(luò)譜的滾動(dòng)軸承故障分析[J];振動(dòng).測(cè)試與診斷;2017年01期

【二級(jí)參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 毛劍峰;鄒鯤;周勤之;;基于球標(biāo)法的高精度主軸回轉(zhuǎn)誤差測(cè)量[J];組合機(jī)床與自動(dòng)化加工技術(shù);2013年12期

2 高慧中;劉飛;梁霖;徐光華;黃付中;;基于遺傳算法的主軸回轉(zhuǎn)誤差評(píng)價(jià)方法[J];組合機(jī)床與自動(dòng)化加工技術(shù);2012年12期

3 陶珂;朱建軍;;小波去噪質(zhì)量評(píng)價(jià)方法的對(duì)比研究[J];大地測(cè)量與地球動(dòng)力學(xué);2012年02期

4 吳虎勝;呂建新;來(lái)凌紅;吳廬山;朱玉榮;;基于EMD-SVD模型和SVM滾動(dòng)軸承故障模式識(shí)別[J];噪聲與振動(dòng)控制;2011年02期

5 賈偉廣;胡丹;車(chē)暢;;基于小波分析和支持向量機(jī)的刀具故障診斷[J];組合機(jī)床與自動(dòng)化加工技術(shù);2010年12期

6 張，

本文編號(hào)：1028266