基于经验模态分解、多尺度熵算法和支持向量机的滚动轴承故障诊断方法 |
| |
引用本文: | 张文哲,张为民,林文波.基于经验模态分解、多尺度熵算法和支持向量机的滚动轴承故障诊断方法[J].机械制造,2018(4). |
| |
作者姓名: | 张文哲 张为民 林文波 |
| |
作者单位: | 同济大学机械与能源工程学院;同济大学中德学院 |
| |
摘 要: | 针对滚动轴承振动信号的低信噪比、高复杂性及非平稳特性,提出基于经验模态分解、多尺度熵算法与支持向量机的故障诊断方法。对振动信号通过小波包降噪提高信噪比,然后利用经验模态分解得到多个本征模态函数分量,选择与降噪信号强相关的本征模态函数分量计算其多尺度样本熵,确认能区分故障类型的最佳尺度。将这一尺度下相应分量的样本熵作为特征向量,经过归一化处理后输入支持向量机进行故障分类。试验结果表明在小样本条件下可以准确识别滚动轴承故障类型,为滚动轴承的故障识别提供了一种高效诊断方法。
|
本文献已被 CNKI 等数据库收录! |
|