基于多尺度本征模态排列熵和SA-SVM的轴承故障诊断研究 |
| |
引用本文: | 姚德臣,杨建伟,程晓卿,王兴.基于多尺度本征模态排列熵和SA-SVM的轴承故障诊断研究[J].机械工程学报,2018(9). |
| |
作者姓名: | 姚德臣 杨建伟 程晓卿 王兴 |
| |
作者单位: | 北京建筑大学机电与车辆工程学院;北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室;北京交通大学轨道交通控制与安全国家重点实验室;太原科技大学计算机科学与技术学院 |
| |
摘 要: | 针对轴承振动信号的非线性、非平稳性,提出一种基于多尺度本征模态排列熵和模拟退火优化支持向量机(Simulated annealing-support vector machine,SA-SVM)的列车轴承故障诊断方法。该方法首先对获取的轴承振动信息进行小波降噪处理,接着通过集合经验模态分解(Ensemble empirical mode decompose,EEMD)将去噪信号分解成若干个平稳的本征模态函数(Intrinsic mode function,IMF),并提取多尺度本征模态排列熵作为SVM输入,在用样本训练SVM时,用SA对SVM的核函数进行优化,提高其分类准确率,最终实现智能化故障诊断。试验结果表明,基于多尺度本征模态排列熵和SA-SVM的列车轴承故障诊断方法能准确识别列车轴承故障类型,具有重要的实际工程应用价值。
|
本文献已被 CNKI 等数据库收录! |
|