典型文献
ICEEMDAN和GS-SVM算法在滚动轴承声发射故障诊断中的应用研究
文献摘要：
滚动轴承在运行过程中发生塑性变形、产生裂纹等形式故障时都会产生蕴含状态特征信息的声发射信号.针对滚动轴承声发射信号特征提取和故障诊断,提出一种基于改进自适应噪声完备经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)的特征提取算法,结合经网格搜索优化(Grid Search,GS)的支持向量机(Support vector machine,SVM)分类算法,实现对滚动轴承故障的模式识别.首先将滚动轴承典型状态原始声发射信号进行分解得到若干个固有模态函数(Intrinsic mode function,IMF)分量,筛选其中峭度较大的分量进行重构,然后计算重构IMF分量的时域能量熵值构造特征向量集合,最后再将特征向量集合输入到基于GS优化的SVM分类器模型中进行训练和模式识别,并将采用该方法所构建模型与其它分类器模型进行准确率和效率比较.模型仿真和故障模拟实验研究表明:基于将ICEEMDAN时域能量熵和GS-SVM相结合的模型可以有效提取滚动轴承声发射信号的故障特征并进行准确地模式识别.
文献关键词：
故障诊断;声发射;滚动轴承;ICEEMDAN分解;时域能量熵;GS-SVM
中图分类号：
作者姓名：
吕凤霞;缪益;别锋锋;彭剑;李荣荣
作者机构：
常州大学 机械与轨道交通学院,江苏 常州 213164;江苏省绿色过程装备重点实验室,江苏 常州 213164
文献出处：
引用格式：
[1]吕凤霞;缪益;别锋锋;彭剑;李荣荣-.ICEEMDAN和GS-SVM算法在滚动轴承声发射故障诊断中的应用研究)[J].噪声与振动控制,2022(06):92-97,129
A类：
时域能量熵
B类：
ICEEMDAN,GS,滚动轴承,发射故障,塑性变形,特征信息,声发射信号,信号特征提取,自适应噪声完备经验模态分解,Improved,complete,ensemble,empirical,mode,decomposition,adaptive,noise,特征提取算法,网格搜索,搜索优化,Grid,Search,Support,vector,machine,分类算法,轴承故障,模式识别,若干个,固有模态函数,Intrinsic,function,IMF,峭度,构造特征,特征向量,分类器,构建模型,效率比较,模型仿真,故障模拟,模拟实验,有效提取,故障特征
AB值：
0.31561
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
