基于改进的经验模态分解的后视镜驱动器故障诊断方法
高丰
朱少成
罗石
江苏大学 汽车与交通工程学院,江苏 镇江 212013
摘要：针对电动后视镜驱动器振动信号非平稳非线性及信噪比低,提取传统特征难以有效识别样本故障状态的问题,提出了一种改进的集成经验模态分解算法(EEMD).使用EEMD对振动信号进行了分解,利用相关系数与峭度系数筛选有效本征模态函数(IMF)分量.应用自回归模型(AR)功率谱估计方法,建立最佳阶次的AR模型,对有效IMF分量进行谱估计,并得到有效IMF分量的AR谱与AR累加谱.将AR累加谱的特征频率点与振幅作为特征向量,使用支持向量机(SVM)进行机器学习与分类.研究结果表明:EEMD-AR-SVM模型在实验中的分类准确率达到了93.9％,平均耗时46.1 s,达到了工业中自动检测的标准.
关键词：机械故障诊断集成经验模态分解算法IMF筛选AR功率谱估计支持向量机
分类号：TP206+.3(自动化技术及设备)
资助基金：国家重点研发计划(2019YFB1600500)
论文发表日期：2021-12-25
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：7( 39-45 )