基于EWT和SVM的滚动轴承智能诊断
针对轴承的智能诊断,提出了一种基于EWT和SVM的诊断方法.用EWT预先处理振动信号,利用EWT的自适应性,分解得到3个IMF,紧接着对原始振动信号以及3个IMF分量分别提取6个时域特征指标.其次,为了得到对分类灵敏度高的特征分量,选用DET法对得到的特征分量先进行筛选,剔除灵敏度低的特征分量.最后选择SVM作为分类器,通过实验,训练样本建立模型,实现对滚动轴承的正常、滚动体故障、内圈故障、外圈故障这4种运行状态的分类.分析结果表明,该方法对轴承的智能诊断有效,能达到较高的分类精度;有助于提高旋转机械监测、诊断的智能化水平,从而达到提升机械设备运行的安全性和稳定性.
滚动轴承 故障诊断 经验小波分解 支持向量机 距离评估
涂晓彤 刘阳 胡越 李富才 李鸿光
上海交通大学机械系统与振动国家重点实验室,上海200240
国内会议
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议
西安
中文
34-37
2016-08-01（万方平台首次上网日期，不代表论文的发表时间）