10.3969/j.issn.1000-4998.2018.04.023
基于经验模态分解、多尺度熵算法和支持向量机的滚动轴承故障诊断方法
针对滚动轴承振动信号的低信噪比、高复杂性及非平稳特性,提出基于经验模态分解、多尺度熵算法与支持向量机的故障诊断方法.对振动信号通过小波包降噪提高信噪比,然后利用经验模态分解得到多个本征模态函数分量,选择与降噪信号强相关的本征模态函数分量计算其多尺度样本熵,确认能区分故障类型的最佳尺度.将这一尺度下相应分量的样本熵作为特征向量,经过归一化处理后输入支持向量机进行故障分类.试验结果表明在小样本条件下可以准确识别滚动轴承故障类型,为滚动轴承的故障识别提供了一种高效诊断方法.
滚动轴承、故障、经验模态分解、多尺度样本熵、支持向量机
56
TH165
2018-06-19（万方平台首次上网日期，不代表论文的发表时间）
共6页
78-83
