基于EMD与多重分形去趋势法的轴承智能诊断方法 |
| |
引用本文: | 贾峰,武兵,熊晓燕,熊诗波.基于EMD与多重分形去趋势法的轴承智能诊断方法[J].中南大学学报(自然科学版),2015(2):491-497. |
| |
作者姓名: | 贾峰 武兵 熊晓燕 熊诗波 |
| |
作者单位: | 太原理工大学机械电子工程研究所;太原理工大学新型传感器与智能控制教育部重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(51035007);山西省自然科学基金资助项目(2012011046-10)~~ |
| |
摘 要: | 引入经验模态分解(EMD)方法去除故障信号的趋势项,提出EMD-MFDFA(multifractal detrended fluctuation analysis)的多重分形分析方法,并通过仿真分析EMD方法去趋势效果的有效性。然后将采用EMD-MFDFA方法提取的电机滚动轴承振动信号的多重分形特征向量作为训练集,利用混合遗传算法搜索全局最优的能力优化支持向量机(SVM)模型参数,建立电机滚动轴承的智能诊断模型。最后,通过对电机滚动轴承不同状态的振动信号进行分析。研究结果表明:EMD-MFDFA方法能很好地揭示滚动轴承的振动信号多重分形特性,对滚动轴承正常状态、单一故障与多故障耦合等状态具有很强的辨识能力;所建立的智能诊断模型可以有效地诊断滚动轴承不同的故障状态,能够作为滚动轴承故障在线监测的有效工具。
|
关 键 词: | 多重分形 去趋势波分析 经验模态分解 遗传算法 支持向量机 |
本文献已被 CNKI 等数据库收录! |
|