EEMD样本熵在轴承故障SVM识别中的研究 |
| |
引用本文: | 楼军伟,胡赤兵,赵家黎.EEMD样本熵在轴承故障SVM识别中的研究[J].机械传动,2014(3):41-45. |
| |
作者姓名: | 楼军伟 胡赤兵 赵家黎 |
| |
作者单位: | 兰州理工大学机电工程学院; |
| |
基金项目: | 甘肃省科技支撑计划(1204GKCA068) |
| |
摘 要: | 滚动轴承故障支持向量机(SVM)智能识别的关键技术是故障信息的提取。由于小波变换和经验模态分解分别存在非自适应和模态混叠的缺陷,采用总体平均经验模态分解(EEMD)和样本熵来提取滚动轴承故障信息。实验中采集了3种工况和3种点蚀直径下的滚动轴承振动信号并进行小波降噪,降噪后信号用EEMD分解为若干个IMF分量,用样本熵表征主要分量的复杂性,同时设计了以EEMD样本熵作为训练和识别样本的SVM滚动轴承故障分类识别器。实验结果表明该方法在小样本的情况下能准确识别轴承正常和内圈、外圈、滚动体故障,并且随着样本数量增加识别准确性提高。
|
关 键 词: | EEMD 样本熵 SVM 滚动轴承 智能识别 |
Research of EEMD Sample Entropy in Bearing Fault Recognition with SVM |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|