文献类型：期刊文章

作　　者：付大鹏[1] 翟勇[1] 于青民[2]

FU Dapeng ZHAI Yong YU Qingmin(School of Mechanical Engineering, Northeast Dianli University, Jilin Jilin 132012, China School of Control Science and Engineering, Shandong University, Jinan Shandong 250000, China)

机构地区：[1]东北电力大学机械工程学院,吉林吉林132012 [2]山东大学控制科学与工程学院,山东济南250000

出　　处：《机床与液压》

年　　份：2017

卷　　号：45

期　　号：11

起止页码：184-187

语　　种：中文

收录情况：BDHX、BDHX2014、核心刊

摘　　要：为解决在复杂噪声和工频及其倍频干扰条件下滚动轴承故障诊断问题,提高诊断准确率,进行了经验模态分解(EMD)和支持向量机(SVM)的研究,给出了相应的决策流程。基于改进的EMD分解的特征提取算法,选取故障特征明显的IMF分量进行特征提取,最大限度地滤除了低频噪声干扰,捕捉到信号的故障特征,然后将特征集输入到SVM分类器中进行识别,结果表明:该方法对于轴承故障识别具有较高的准确率,为确保轴承安全运行和快速故障诊断提供了理论支持。

关 键 词：EMD SVM 故障特征 故障诊断

分 类 号：TH17]