基于DEMD和模糊熵的滚动轴承故障诊断方法研究

作者:孟宗[1,2] 季艳[1] 闫晓丽[1] 刊名:计量学报 上传者:曹卿

【摘要】提出一种基于微分的经验模式分解(DEMD)模糊熵和支持向量机(SVM)相结合的滚动轴承故障诊断方法。首先对信号进行基于微分的经验模式分解,得到若干具有物理意义的本征模函数(IMF)分量,再利用相关度准则对固有模式分量进行筛选,计算所选分量的模糊熵,组成故障特征向量,然后将其作为支持向量机的输入来识别滚动轴承的状态。并将该方法与基于EMD模糊熵和SVM相结合的方法进行比较,实验结果表明该方法对机械故障信号能够更有效准确地进行识别分类。

全文阅读

第37卷 第1期 2016年 1月 计 量 学 报 ACTA METR0L0GICA SINICA Vo1.37,No 1 January,2016 doi·10.3969/j.issn.1000_1158.2016.01.14 基于 DEMD和模糊熵的滚动轴承故障诊断方法研究 孟 宗 , 季 艳 , 闫晓丽 (1.河北省测试计量技术及仪器重点实验室,河北 秦皇岛 066004; 2.国家冷轧板带装备及工艺工程技术研究中心,河北 秦皇岛 066004) 摘要 :提出一种基于微分的经验模式分解(DEMD)模糊熵和支持向量机(SVM)相结合的滚动轴承故障诊断方 法。首先对信号进行基于微分的经验模式分解 ,得到若干具有物理意义的本征模函数(IMF)分量 ,再利用相关度准 则对固有模式分量进行筛选,计算所选分量的模糊熵,组成故障特征向量,然后将其作为支持向量机的输入来识别 滚动轴承的状态。并将该方法与基于 EMD模糊熵和SVM相结合的方法进行比较,实验结果表明该方法对机械故 障信号能够更有效准确地进行识别分类。 关键词:计量学;故障诊断;滚动轴承;微分经验模式分解 ;模糊熵;支持向量机 中图分类号:TB936 文献标识码:A 文章编号:1000—1158(2016)01-0056-06 Roling Bearing Fault Diagnosis Based on Differential—based Empirical Mode Decomposition and Fuzzy Entroy MENG Zong 一, JI Yan , YAN Xiao.1i (1.Key Iab of Measurement Technology and Instrumentation of Hebei Province,Qinhuangdao,Heibei 066004,China; 2 National Engineering Research Center for Eqpt&Tech of Cold Roling Strip,Qinhnangdao,Heibei O66OO4,China) Abstract:A comprehensive roling bearing fault diagnosis method combining diferential—based empirical mode decomposition(DEMD)with fuzzy entropy and support vector machine(SVM)is proposed.Firstly,mechanical vibration signal is decomposed with differential—based empircal mode decomposition(DEMD)to obtain a certain number of intrinsic mode functions(IMFs)that have physical meaning.With a mutual relationship rule,the IMF components that have largest correlation coeficients with the original signal are sifted out.The fuzzy entropies of these IMFs are calculated and use

参考文献

引证文献

问答

我要提问