基于 WMRMR 的滚动轴承混合域特征选择方法

摘要：

为充分利用时域、频域以及时频域中的有效特征，提高滚动轴承故障诊断准确率，提出一种混合域特征集构建方法，利用原始信号分别生成时域和频域特征集，通过经验模式分解提取固有模态函数的排列熵和 Hilbert 谱的奇异值作为时频域特征集，使得混合域特征集比单域特征更能全面准确反映轴承运行状态。针对混合域特征集存在维数过高、特征之间冗余性严重的问题，采用加权最大相关最小冗余的特征选择方法，以支持向量机分类正确率为依据，选取7个有效特征向量。实验结果表明：基于 WMRMR 的混合域特征选择方法的分类准确率可达98％，能够有效的识别轴承故障信息。

关键词：混合域、经验模式分解、Hilbert 谱奇异值、排列熵、加权最大相关最小冗余

分类号：TN911.7;TH165

资助基金：总装备部武器装备预研基金9140A27020212JB14311

在线出版日期：2015-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：57-61