支持向量数据描述和经验模态分解相结合的故障诊断

摘要：

为了解决智能监测和故障诊断中故障样本缺乏的问题,提出一种支持向量数据描述(support vector data description,SVDD)和经验模态分解(empirical mode decomposition,EMD)相结合的单分类方法.该方法在只有正常状态数据样本而无需故障样本的情况下可以建立起单值分类器,从而区分出机器的运行状态.采用经验模态分解对数据进行预处理,提取信号在不同频带的能量特征作为SVDD的输入参数进行分类.将该方法应用于滚动轴承的故障诊断中,试验结果表明,该方法可以比传统的SVDD方法更有效地识别轴承的运行状态.

关键词：支持向量数据描述、单值分类、故障诊断、经验模态分解

所属期刊栏目：31

分类号：TH165.3;TP206.3

资助基金：国家自然科学基金50675209;河南省自然科学基金0611022400;河南省杰出人才创新基金0621000500

在线出版日期：2010-01-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1012-1014