文献类型：期刊文章

作　　者：王玉静[1,2] 康守强[2] 张云[1] 刘学[2] 姜义成[1] Mikulovich V I[3]

机构地区：[1]哈尔滨工业大学电子与信息工程学院,哈尔滨150001 [2]哈尔滨理工大学电气与电子工程学院,哈尔滨150080 [3]白俄罗斯国立大学,明斯克220030

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(51305109);高等学校博士学科点专项科研基金(20122303120010);留学人员科技活动项目择优资助;哈尔滨市科技创新人才专项基金(留学回国人员)(2013RFLXJ019)资助课题

年　　份：2014

卷　　号：36

期　　号：3

起止页码：595-600

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2013_2014、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。

关 键 词：信号处理 状态识别  非平稳信号 集合经验模态分解(EEMD)  敏感固有模态函数(IMF)  

分 类 号：TN911.7] TP18]