基于 ELMD 的样本熵及 Boosting-SVM的滚动轴承故障诊断

摘要：

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。

关键词：滚动轴承、故障诊断、总体局域均值分解、样本熵

所属期刊栏目：35

分类号：TP206(自动化技术及设备)

资助基金：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

在线出版日期：2016-10-14（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：190-195