基于EMD与GA-SVM的轴承故障诊断
特征提取与特征选择是实现轴承故障诊断的关键.针对特征提取,首先将轴承振动加速度信号进行经验模态(empirical mode decomposition,简称EMD),得到一组固有模态函数(intrinsic mode function,简称IMF),计算各IMF的能量和IMF矩阵的奇异值分布,采用Shannon熵、Rrnyi熵度量能量和奇异值分布,同时提取原信号的部分统计特征共同构成原始特征子集;针对特征选择,采用遗传算法(genetic algorithm,简称GA)和最小二乘支持向量机(least square support vector machine,简称LS-SVM)的Wrapper方法选择最优特征子集.在实际轴承故障诊断中的应用,表明文中所提方法的有效性.
轴承、故障诊断、特征提取、特征选择、经验模态分解、Shannon熵、Renyi熵、遗传算法、最小二乘支持向量机、Wrapper
32
TH133.33;TP206.3;TH165.3
国家自然科学基金50705097;河北省自然科学基金E2007001048
2010-07-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
358-362