基于内禀模态奇异值分解和支持向量机的滚动轴承故障诊断方法

摘要：

提出了一种基于内禀模态(Intrinsic Mode Functions,简称IMFs)奇异值分解和支持向量机(Support Vector Machine,简称SVM)的滚动轴承故障诊断方法.采用EMD(Empirical Mode Decomposition,简称EMD)方法对滚动轴承故障振动信号进行分解,将得到的若干个内禀模态分量自动形成初始特征向量矩阵,然后对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量,并进一步根据支持向量机分类器的输出结果来判断滚动轴承的工作状态和故障类型.分析结果表明,基于内禀模态奇异值分解和支持向量机的故障诊断方法仍能有效地识别滚动轴承的工作状态和故障类型.

关键词： 滚动轴承 故障诊断 经验模态分解 内禀模态函数 奇异值分解 支持向量机

作者: 程军圣 于德介 杨宇

作者单位: 湖南大学机械与汽车工程学院,长沙,410082

会议类型: 国内会议

会议名称: 2006年全国振动工程及应用学术会议

会议地点: 昆明

会议语种:中文

页码: 63-65

在线出版日期: 2006-08-14（万方平台首次上网日期，不代表论文的发表时间）