| 陈永毅,张丹,薛焕新.基于集合经验模态分解的滚动轴承智能故障诊断方法[J].高技术通讯(中文),2021,31(5):559~568 |
| 基于集合经验模态分解的滚动轴承智能故障诊断方法 |
|
| |
| DOI：10.3772/j.issn.1002-0470.2021.05.012 |
| 中文关键词: 故障诊断； 滚动轴承； 集合经验模态分解(EEMD)； 卷积神经网络(CNN)； 支持向量机(SVM) |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 1929 |
| 全文下载次数: 1186 |
| 中文摘要: |
| 针对滚动轴承工作环境中含有强烈的环境噪声，其振动信号具有非平稳、非线性特征以及提取特征困难等问题，本文提出一种基于集合经验模态分解(EEMD)的滚动轴承智能故障诊断方法。首先通过卷积神经网络(CNN)提取振动信号关键特征，并将提取到的特征向量输入到支持向量机(SVM)中进行故障识别与分类。为了提高诊断性能，本文利用集合经验模态分解方法对原始振动信号进行分解，将复杂的振动信号分解为仅包含单一成分的本征模态分量(IMF)，然后利用一维卷积神经网络对IMF进行特征提取，最后采用SVM进行分类。结果表明，所提出的方法相比于现有方法收敛速度更快，诊断正确率可高达99%，突出了该方法的优越性。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
