基于经验模态分解剩余信号能量特征的滚动轴承故障模式智能识别 |
| |
引用本文: | 李俊,刘永葆,余又红.基于经验模态分解剩余信号能量特征的滚动轴承故障模式智能识别[J].燃气涡轮试验与研究,2020,33(3). |
| |
作者姓名: | 李俊 刘永葆 余又红 |
| |
作者单位: | 海军工程大学动力工程学院,武汉430032;海军工程大学动力工程学院,武汉430032;海军工程大学动力工程学院,武汉430032 |
| |
基金项目: | 海军工程大学自然科学自主立项项目 |
| |
摘 要: | 针对滚动轴承故障模式识别问题,分析了振动信号的时域特征与经验模态分解剩余信号的能量特征,并将采集的特征一起构成了多域多类别的原始故障特征向量集,同时采用遗传算法对支持向量机径向基核函数参数和惩罚参数进行了寻优,提出了结合经验模态分解剩余信号能量特征的遗传算法优化支持向量机参数的滚动轴承故障模式识别方法。实验表明,给出的故障模式识别方法,对滚动轴承的外圈故障、内圈故障、滚动体故障及正常状态有很好的识别效果,具有较强的实用性,能够为滚动轴承故障的模式识别和智能诊断提供帮助。
|
关 键 词: | 经验模态分解 遗传算法 支持向量机 滚动轴承 特征提取 信号处理 模式识别 |
Intelligent pattern recognition of rolling bearing fault based on EMD residual signal energy characteristics |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|