10.3969/j.issn.1000-3835.2005.02.004
基于EMD的奇异值分解技术在滚动轴承故障诊断中的应用
针对滚动轴承故障振动信号的非平稳特征,提出了一种基于经验模态分解(Empirical Mode Decomposition,简称EMD)和奇异值分解技术的滚动轴承故障诊断方法.该方法首先采用EMD方法将滚动轴承振动信号分解为多个平稳的内禀分量(Intrinsic Mode function,简称IMF)之和,并形成初始特征向量矩阵.然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为滚动轴承振动信号的故障特征向量,并输入神经网络来识别滚动轴承的工作状态和故障类型.实验分析结果表明,本文方法能有效地应用于滚动轴承故障诊断.
EMD、滚动轴承、奇异值分解、神经网络
24
TH133
国家自然科学基金50275050;高等学校博士学科点专项科研项目20020532024
2005-06-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
12-15