基于EMD与GA-SVM的轴承故障诊断
李兵1
张培林2
米双山3
刘东升3
任国全2
1.军械工程学院一系,石家庄,050003;军械工程学院四系,石家庄,0500032.军械工程学院一系,石家庄,0500033.军械工程学院四系,石家庄,050003
摘要：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(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、Rrnyi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 support vector 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
分类号：TH133.33(机械零件及传动装置)TP206.3(自动化技术及设备)TH165.3(机械制造工艺)
资助基金：国家自然科学基金(50705097)河北省自然科学基金(E2007001048)
论文发表日期：2010-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：5( 358-362 )
英文信息