基于形态奇异值分解-EMD和NGA优化SVM的滚动轴承故障诊断

摘要：

针对滚动轴承故障诊断中出现的多故障分类问题,提出了一种基于形态奇异值分解-EMD和NGA优化SVM的滚动轴承故障诊断方法.首先采用形态奇异值分解-EMD方法提取出前三个IMF分量作为特征信号,分别计算它们的Shannon能量熵值作为特征量得到样本集,作为SVM的输入向量,并用样本集训练1-v-r SVM.再构造一种新的核函数,并用NGA在SVM训练过程中对核函数参数进行优化,提高SVM学习机器的分类性能.最后将本文方法对含有较强噪声的实际滚动轴承的内圈、外圈、滚珠故障样本进行了分类识别,结果表明该方法具有较好的抗噪和分类能力,验证了其有效性和可行性.

关键词： 滚动轴承 故障诊断 形态奇异值分解 小生境遗传算法 支持向量机

作者: 蒋永华 汤宝平 张忠华 阚君武 程光明

作者单位: 浙江师范大学精密机械研究所,金华 321004;重庆大学机械传动国家重点实验室,重庆 400030 重庆大学机械传动国家重点实验室,重庆 400030 浙江师范大学精密机械研究所,金华 321004

会议类型: 国内会议

会议名称: 全国高校机械工程测试技术研究会、中国振动工程学会动态测试专业委员会2012年代表大会暨学术年会

会议地点: 鞍山

会议语种:中文

页码: 1-6

在线出版日期: 2012-07-23（万方平台首次上网日期，不代表论文的发表时间）