-
题名基于EMD与GA-SVM的轴承故障诊断
被引量：3
- 1
-
-
作者
李兵
张培林
米双山
刘东升
任国全
-
机构
军械工程学院一系 军械工程学院四系
-
出处
《机械强度》
CAS
CSCD
北大核心
2010年第3期-,共5页
-
基金
国家自然科学基金(50705097)
河北省自然科学基金(E2007001048)资助~~
-
文摘
特征提取与特征选择是实现轴承故障诊断的关键。针对特征提取,首先将轴承振动加速度信号进行经验模态分解(empirical mode decomposition,简称EMD),得到一组固有模态函数(intrinsic mode function,简称IMF),计算各IMF的能量和IMF矩阵的奇异值分布,采用Shannon熵、Renyi熵度量能量和奇异值分布,同时提取原信号的部分统计特征共同构成原始特征子集;针对特征选择,采用遗传算法(genetic algorithm,简称GA)和最小二乘支持向量机(least square supportvector machine,简称LS-SVM)的Wrapper方法选择最优特征子集。在实际轴承故障诊断中的应用,表明文中所提方法的有效性。
-
关键词
轴承
故障诊断
特征提取
特征选择
经验模态分解
Shannon熵
RENYI熵
遗传算法
最小二乘支持向量机
WRAPPER
-
Keywords
Bearing
Fault diagnosis
Feature extraction
Feature selection
Empirical mode decomposition（EMD）
Shannon entropy
Renyi entropy
Genetic algorithm（GA）
Least-square support vector machine（LS-SVM）
Wrapper
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-
