| 基于改进EMD样本熵和SVM的风机滚动轴承故障诊断 |
| |
| 引用本文： | 张韦,张永,骈晓琴,苏赫,蔺相东.基于改进EMD样本熵和SVM的风机滚动轴承故障诊断[J].机电工程技术,2021,50(12):38-41,67. |
| |
| 作者姓名： | 张韦 张永 骈晓琴 苏赫 蔺相东 |
| |
| 作者单位： | 内蒙古农业大学机电工程学院,呼和浩特 010018;内蒙古医科大学附属医院血液内科,呼和浩特 010050 |
| |
| 摘 要： | 风机齿轮箱振动信号成分复杂,而经验模态分解(EMD)在故障诊断中存在模态混叠和端点效应问题.针对此问题,研究了一种EEMD样本熵和高斯径向基核函数的SVM分类器的滚动轴承故障诊断方法.以风机齿轮箱滚动轴承为研究对象,提取了内圈故障、外圈故障、滚动体故障和正常轴承4种状态振动信号,利用EEMD和小波分别对振动信号分解降噪并筛选主要IMF分量;计算前4阶IMF分量的样本熵作为特征向量;最后将特征向量输入高斯径向基核函数的SVM模型进行故障识别.结果表明:EEMD算法对端点效应和模态混叠都有一定抑制作用,EEMD样本熵和SVM相结合可有效识别滚动轴承故障类型,故障识别率为97.5％,为工程应用中风机齿轮箱滚动轴承故障诊断提供参考.
|
| 关 键 词： | 滚动轴承 EEMD分解 样本熵 SVM 故障诊断 |
Fault Diagnosis of Rolling Bearing Based on Improved EMD Sample Entropy and SVM |
| |
| Zhang Wei,Zhang Yong,Pian Xiaoqin,Su He,Lin Xiangdong.Fault Diagnosis of Rolling Bearing Based on Improved EMD Sample Entropy and SVM[J].Mechanical & Electrical Engineering Technology,2021,50(12):38-41,67. |
| |
| Authors: | Zhang Wei Zhang Yong Pian Xiaoqin Su He Lin Xiangdong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
