文章摘要
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:
作者单位
陈永毅  
张丹  
薛焕新  
摘要点击次数: 1006
全文下载次数: 623
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

分享按钮