基于EMD和球结构SVM的滚动轴承故障诊断
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出了一种基于经验模式分解(Empirical Mode Decomposition,简称EMD)和球结构支持向量机的滚动轴承故障诊断方法。该方法以EMD的能量特征向量作为输入来建立球结构支持向量机分类器,识别滚动轴承的故障类型,通过麦克斯韦的三角平面坐标色度图方法进行可视化验证,并且与小波包能量特征向量作为输入的球结构支持向量机诊断方法进行比较。结果表明,用EMD能量法作预处理更能准确地提取故障特征量,有更高的故障识别率。

    Abstract:

    A roller bearing fault diagnosis method based on empirical mode deco- mposition(EMD) and sphere-structured support vector machine(SVM)is put forward. The method took the EMD energy feature vectors as the input Parameters to establish the sphere-structured SVM identifying the roller bearing fault pattern, every clustering was visualized for veri fying it by the chromaticity diagram of Maxwell’s triangle plane coordinate.Compared with the method of wavelet packet energy feature vector establishing the sphere-structured SVM,the method of EMD energy for pre-processing can extract fault feature vector more exactly and identify fault pattern accurately and effectively.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司