10.3969/j.issn.1000-3932.2018.10.010
基于CEEMD-SVD 和 ELM的滚动轴承故障诊断
针对滚动轴承故障特征难以提取和故障难以识别的问题,提出一种基于互补总体平均经验模态分解(CEEMD)与奇异值分解(SVD)和极限学习机(ELM)分类模型相结合的滚动轴承故障诊断方法.该方法首先通过 CEEMD对原始采样信号进行分解,得到由高频到低频组成的固有模态分量(IMFS),通过互相关性分析筛选出最能表征原始信号的固有模态(IMF)分量,并对它进行奇异值分解,然后将分解得到的奇异值作为特征参数构造特征向量,最后采用 ELM分析提取特征向量矩阵,并建立 ELM分类模型,实现对轴承故障类型的识别.仿真结果表明该方法对滚动轴承的故障识别度达到了95.0%.
故障诊断、滚动轴承、互补总体平均经验模态分解、奇异值分解、极限学习机
45
TH133.33
国家自然科学基金项目61663017
2018-11-15（万方平台首次上网日期，不代表论文的发表时间）
共5页
784-788
