eemd能量熵与优化ls-svm的滚动轴承故障诊断 the roller bearing fault diagnosis based on eemd energy entropy and ls-svm.pdfVIP

下载本文档

3
0
约2.46万字
约 5页
2017-09-03 发布于上海
举报
版权申诉

eemd能量熵与优化ls-svm的滚动轴承故障诊断 the roller bearing fault diagnosis based on eemd energy entropy and ls-svm.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

eemd能量熵与优化ls-svm的滚动轴承故障诊断 the roller bearing fault diagnosis based on eemd energy entropy and ls-svm

第12期组合机床与自动化加工技术 No.12 2016 年12 月 Modular Machine Tool Automatic Manufacturing Technique Dec. 2016 文章编号:1001-2265(2016)12-0071-05　　　　 DOI:10.13462/ ki.mmtamt.2016.12.020 EEMD能量熵与优化LS-SVM 的滚动轴承故障诊断∗ a,b b b b 陈法法 ,李　冕 ,陈保家 ,陈从平 (三峡大学a.新能源微电网湖北省协同创新中心;b.水电机械设备设计与维护湖北省重点实验室, 湖北宜昌　 443002) 摘要:针对滚动轴承振动故障信号非平稳、非线性难以有效诊断的问题,提出基于集成经验模式分解 (ensemble empirical mode decomposition,EEMD)能量熵与优化最小二乘支持向量机(least square sup- port vector machine,LS-SVM)的滚动轴承故障诊断方法。首先利用EEMD对滚动轴承的振动故障信号进行分解,得到各阶的内禀模态函数分量(IMF)并计算其能量构造成特征向量矩阵,随后将该特征向量矩阵输入给优化的LS-SVM进行故障模式的分类辨识。通过实验验证了该方法的有效性和可行性,结果表明,基于EEMD能量熵特征与优化LS-SVM 的滚动轴承故障诊断方法能够有效的诊断滚动轴承的实际运行工况。关键词:集成经验模式分解;最小二乘支持向量机;滚动轴承;故障诊断中图分类号:TH166;TG659　　　文献标识码:A The Roller Bearing Fault Diagnosis Based on EEMD Energy Entropy and LS-SVM a,b b b b CHEN Fa-fa ,LI Mian ,Chen Bao-jia ,Chen Cong-ping ( a. Hubei Provincial Collaborative Innovation Center for New Energy Microgrid;b.Hubei Key Laboratory of Hydroelectric Machinery Design Maintenance, China Three Gorges University, Yichang Hubei 443002, China) Abstract:Aimed at therollerbearingfaultvibration signalarenon-stationaryandnonlinear thatare difficult to effectively diagnose,arollerbearingfault diagnosismethodbasedon ensemble empiricalmode decompo- sition (EEMD)and least square support vector machine (LS-SVM) is proposed in this paper. Firstly,the roller bearing fault vibration signal is decomposed by EEMD. Then,each intrinsic mode function compo- nents (IMF) is got andthese energy are calculatedto construct the featuresvector matrix. Finally,the fea-