基于EEMD形态谱和支持向量机复合的滚动轴承故障诊断方法

作     者：姜万录 郑直 胡浩松 

作者机构：燕山大学河北省重型机械流体动力传输与控制重点实验室秦皇岛066004 燕山大学先进锻压成型技术与科学教育部重点实验室秦皇岛066004 

出 版 物：《工程科学学报》 (Chinese Journal of Engineering)

年 卷 期：2015年第37卷第S1期

页      面：72-77页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51475405 51075349) 河北省自然科学基金资助项目(E2013203161) 

主　　题：集总经验模态分解 形态谱 支持向量机 滚动轴承 故障诊断 

摘      要：针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)三种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模态分量(IMF);其次,基于最大能量法筛选出含有故障特征信息最丰富的一个内禀模态分量为故障诊断数据源;再次,对数据源在选定尺度范围内进行形态谱的提取,从而构造故障特征向量;最后,利用支持向量机对滚动轴承的三种故障进行诊断.研究结果表明,该方法能够有效地诊断出滚动轴承的三种故障,且具有很高的故障诊断正确率.