基于经验模态分解和支持向量机的滚动轴承故障诊断
徐可1
陈宗海1
张陈斌1
董广忠2
1.中国科学技术大学 信息科学技术学院, 安徽 合肥 230026;珠海市轨道交通健康运营协同创新中心, 广东 珠海 5190702.中国科学技术大学 信息科学技术学院,安徽 合肥,230026
摘要：本文针对滚动轴承的故障诊断问题,首先提出一种自适应波形匹配的延拓方法对经验模态分解(EMD)存在的端点效应进行改进,然后基于改进的EMD和粒子群优化算法(PSO)优化的支持向量机(SVM)设计了一种两阶段的滚动轴承故障诊断方法.离线阶段对典型的正常、故障振动信号进行EMD分解并提取能量信息作为特征,送入PSO–SVM进行训练并保存模型待用,在线阶段对实时的振动信号进行EMD分解并提取特征,利用离线阶段训练好的模型进行诊断并输出诊断结果.使用美国西储大学轴承数据对该方法进行了验证,实验结果证明了该方法的有效性.
关键词：滚动轴承故障诊断经验模态分解粒子群优化支持向量机
资助基金：国家自然科学基金(61374092)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 915-922 )
英文信息