基于ELMD与LS-SVM的滚动轴承故障诊断方法
针对局部均值分解(1ocal mean decomposition,LMD)实现过程中存在的模式混淆现象,提出了一种基于总体局部均值分解(ensemble 1ocal mean decomposition,ELMD)与最小二乘支持向量机(1east squares support vector machine,LS-SVM)相结合的滚动轴承故障诊断方法.该方法先对滚动轴承振动信号进行ELMD分解,并得到若干乘积函数(product function,PF),然后选取包含主要故障信息的PF分量,提取其峭度系数与能量特征参数以构造故障特征向量,并作为LS-SVM的输入来识别滚动轴承的工作状态和故障类型.通过对滚动轴承正常状态,内圈故障和外圈故障的分析结果表明,基于ELMD与LS-SVM的诊断方法可以准确有效识别滚动轴承的工作状态和故障类型.
滚动轴承 故障诊断 最小二乘支持向量机 总体局部均值分解法
廖星智 万舟 熊新
昆明理工大学信息工程与自动化学院,云南昆明650500
国内会议
呼和浩特
中文
4667-4673
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）