文献类型：期刊文章

作　　者：汪朝海[1] 蔡晋辉[1] 曾九孙[1]

WANG Chao-hai;CAI Jin-hui;ZENG Jiu-sun(Institute of Precision Measurement and Control,China Jiliang University,Hangzhou,Zhejiang 310018,China)

机构地区：[1]中国计量大学计量测试工程学院

出　　处：《计量学报》

基　　金：国家重点研发计划(2018YFF0214700);浙江省舟山市科技计划(2017C12036)

年　　份：2019

卷　　号：40

期　　号：6

起止页码：1077-1082

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统的振动信号特征提取效率低、诊断时间较长等问题,提出了基于经验模态分解与主成分分析的滚动轴承故障诊断方法。首先利用经验模态分解将振动信号分解为有限个本征模函数和一个残差函数,提取主要的本征模函数能量及其局部平均频率特征,最后将复合特征向量作为主成分分析分类器的输入,完成对故障的识别。实验结果表明:复合特征向量能够有效地反映轴承的运行状态;相比于BP神经网络、支持向量机、K-近邻算法,主成分分析分类法不仅能够准确地识别故障,而且训练时间短、使用方便。

关 键 词：计量学 滚动轴承 故障诊断 经验模态分解 主成分分析 特征提取  

分 类 号：TB936] TB973]