本文關(guān)鍵詞：自適應(yīng)的EEMD及其在滾動軸承故障診斷中的應(yīng)用

  更多相關(guān)文章： AEEMD 信號處理 特征提取 支持向量機 故障診斷

【摘要】：為解決總體集成經(jīng)驗?zāi)B(tài)分解(EEMD)算法中存在的白噪聲參數(shù)需要人為選擇的問題,同時考慮到現(xiàn)實中難以獲得大量典型故障樣本的實際情況,提出了一種基于自適應(yīng)總體集成經(jīng)驗?zāi)B(tài)分解(AEEMD)與支持向量機(SVM)的滾動軸承故障診斷法。首先在信號處理上使用AEEMD將原始振動信號分解成具有不同特征時間尺度的本征模態(tài)分量(IMF),對于不同的軸承故障來說,在不同頻帶內(nèi)的信號能量會發(fā)生改變,因此可通過計算各個IMF的能量來實現(xiàn)故障特征提取;然后把IMF的能量特征值作為輸入來構(gòu)建支持向量機分類器模型;最后利用建立的模型對軸承的狀態(tài)類型做出判別。在軸承故障實例中將AEEMD算法與EEMD算法進行對比,證明了AEEMD的分解效果更好;選用BP神經(jīng)網(wǎng)絡(luò)與SVM的診斷效果進行對比分析,表明本文中提出的方法能夠更加快速準確地診斷出軸承的故障。
【作者單位】： 第二炮兵工程大學(xué);
【關(guān)鍵詞】： AEEMD 信號處理 特征提取 支持向量機 故障診斷
【基金】：陜西省自然科學(xué)基金項目(2013JQ8023) 國家自然科學(xué)基金項目(5140051725)資助
【分類號】：TH133.3
【正文快照】： 長期運轉(zhuǎn)的軸承由于點蝕、磨損、腐蝕等原因會在內(nèi)圈、外圈、滾輪體這3個位置產(chǎn)生故障,一旦出現(xiàn)故障,將影響整個機械系統(tǒng)的正常運作。因此,對軸承故障進行早期診斷很有必要。機械故障診斷包括故障信號采集、信號處理及故障特征提取和模式識別,其中最為關(guān)鍵的是信號處理及故障

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 趙明生;梁開水;羅元方;徐玉萍;;EEMD在爆破振動信號去噪中的應(yīng)用[J];爆破;2011年02期

2 鄭旭;郝志勇;金陽;盧兆剛;;基于EEMD與廣義S變換的內(nèi)燃機噪聲源識別研究[J];內(nèi)燃機工程;2011年05期

3 常鵬;高亞靜;張琳;李均強;;基于EEMD與時間序列法的短期風(fēng)電場功率預(yù)測[J];電力科學(xué)與工程;2012年03期

4 秦娜;金煒東;黃進;李智敏;劉景波;;基于EEMD樣本熵的高速列車轉(zhuǎn)向架故障特征提取[J];西南交通大學(xué)學(xué)報;2014年01期

5 劉俊;王占林;付永領(lǐng);郭彥青;;基于EEMD分解的直驅(qū)式機電作動器故障診斷[J];北京航空航天大學(xué)學(xué)報;2012年12期

6 秦娜;金煒東;黃進;李智敏;劉景波;;基于EEMD的高速列車轉(zhuǎn)向架故障診斷[J];計算機工程;2013年12期

7 陳成法;李樹珉;張建生;張英鋒;孫長庫;;基于EEMD及敏感IMF的再制造發(fā)動機振動模式研究[J];振動與沖擊;2014年02期

8 夏均忠;蘇濤;張陽;王龍;冷永剛;;基于EEMD能量熵及LS-SVM滾動軸承故障診斷[J];噪聲與振動控制;2014年03期

9 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 夏江江;嚴中偉;;北京地區(qū)城市化進程對局地生長季變化的影響[A];第28屆中國氣象學(xué)會年會——S7城市氣象精細預(yù)報與服務(wù)[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 趙肖宇;基于EMD和EEMD的自適應(yīng)光譜預(yù)處理方法及其應(yīng)用研究[D];燕山大學(xué);2015年

，

本文編號：872318