10.3969/j.issn.0258-2724.20170435
基于EEMD-Hilbert和FWA-SVM的 滚动轴承故障诊断方法
为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解(empirical mode decomposition,EEMD)、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机(support vector machine,SVM)分类参数的滚动轴承故障诊断方法.通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维.结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63％;比传统的遗传算法和粒子群算法优化模型分别提高0.4％和0.2％左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.
集合经验模态分解、Hilbert变换、烟花算法、支持向量机
54
TH17
国家自然科学基金资助项目51675450;教育部人文社会科学研究青年基金资助项目18YJC630255
2019-06-19（万方平台首次上网日期，不代表论文的发表时间）
共8页
633-639,662
