10.13465/j.cnki.jvs.2016.14.031
基于 ELMD 的样本熵及 Boosting-SVM的滚动轴承故障诊断
针对滚动轴承非平稳性的振动信号,提出了基于总体局域均值分解(Ensemble Local Mean Decomposition, ELMD)的样本熵及 Boost-SVM的滚动轴承故障诊断法。首先,对振动信号进行 ELMD 分解,获得一系列乘积函数(Product Function,PF);其次,根据分解特性提出基于 K-L 散度的自适应法选取主 PF 分量,计算主 PF 分量的样本熵并将其组合成特征向量;最后,将特征向量输入 Boosting-SVM分类器进行训练与测试,从而识别滚动轴承的故障类型。实验结果表明,该方法能够有效的诊断出三种状态,且效果较局域均值分解法好。
滚动轴承、故障诊断、总体局域均值分解、样本熵
35
TP206(自动化技术及设备)
国家科技重大专项资助项目2012ZX04003041;国家自然科学基金资助项目51475158
2016-10-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
190-195