基于CEEMD能量熵与SVM的低速轴承故障声发射诊断

摘要：

针对低速轴承故障诊断难的问题,将互补总体平均经验模态分解(CEEMD)能量熵与支持向量机相结合对低速轴承故障进行了声发射诊断.采集不同缺陷状态的轴承声发射信号进行CEEMD分解,得到自适应的本征模态分量(IMF);结合IMF分量的方差贡献率和互相关系数对虚假分量进行剔除,筛选出有效IMF分量.对提取的有效IMF分量计算能量熵,作为不同故障轴承的特征向量.将该特征向量输入到支持向量机(SVM),对不同故障的低速轴承进行分类识别.试验结果表明,通过方差贡献率和互相关系数能够筛选出含主要故障信息的IMF分量,同时验证了SVM相比BP神经网络对低速轴承不同故障类型的识别效果更好.

关键词：声发射、低速轴承、互补总体平均经验模态分解、能量熵、支持向量机、故障诊断

所属期刊栏目：39

分类号：TG17;TH133;TG115.28(金属学与热处理)

在线出版日期：2017-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6