基于EMD和球结构SVM的滚动轴承故障诊断

被引：15

作者：

杨洁明

田英

机构：

[1] 太原理工大学机械电子工程研究所

来源：

振动、测试与诊断 | 2009年 / 29卷 / 02期

关键词：

故障诊断; 经验模式分解; 滚动轴承; 球结构支持向量机; 小波包;

D O I：

10.16450/j.cnki.issn.1004-6801.2009.02.011

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

080203 ;

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。

引用

页码：155 / 158+239 +239

页数：5

共 4 条

[1] EMD方法在转子局部碰摩故障诊断中的应用 [J].

程军圣 ;

于德介 ;

杨宇 .

振动、测试与诊断, 2006, (01) :24-27+74

[2] 用球结构的支持向量机解决多分类问题 [J].

朱美琳 ;

刘向东 ;

陈世福 .

南京大学学报(自然科学版), 2003, (02) :153-158

[3]

Multicategory Classification by Support Vector Machines.[J].Erin J. Bredensteiner;Kristin P. Bennett.Computational Optimization and Applications.1999, 1

[4]

面向聚类的数据可视化方法及相关技术研究.[D].任永功.东北大学.2006, 11

← 1 →