基于特征量融合和支持向量机的滚动轴承故障诊断

摘要：

为了提高滚动轴承的故障诊断率,提出了一种经验模态分解(empirical mode decomposition,EMD)结合时域分析后使用主成分分析(principal component analysis,PCA)融合特征量的特征提取方法.首先,通过EMD分解得到前5个本征模态函数(intrinsic mode function,IMF)分量的上、下包络值矩阵的奇异值;然后,对轴承原始信号进行时域分析得到各种时域特征参数;最后对奇异值和时域特征参数使用PCA降维融合后输入到多分类支持向量机(support vector machines,SVM)中进行分类.通过实验仿真验证,融合后的特征量诊断准确率达到了98.6％,该方法能充分地提取出轴承故障特征信息,诊断效果良好.

关键词：轴承故障、经验模态分解、主成分分析、支持向量机

所属期刊栏目：22

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金;湖北省自然科学基金

在线出版日期：2022-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2351-2356