ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

基于经验模态分解和主成分分析的滚动轴承故障诊断研究

汪朝海; 蔡晋辉; 曾九孙中国
计量学报2019
9阅读
引用收藏
分享

摘要

针对传统的振动信号特征提取效率低、诊断时间较长等问题,提出了基于经验模态分解与主成分分析的滚动轴承故障诊断方法。首先利用经验模态分解将振动信号分解为有限个本征模函数和一个残差函数,提取主要的本征模函数能量及其局部平均频率特征,最后将复合特征向量作为主成分分析分类器的输入,完成对故障的识别。实验结果表明:复合特征向量能够有效地反映轴承的运行状态;相比于BP神经网络、支持向量机、K-近邻算法,主成分分析分类法不仅能够准确地识别故障,而且训练时间短、使用方便。

学科与关键词

关键词
计量学滚动轴承故障诊断经验模态分解主成分分析特征提取 metrologyrolling bearingfault diagnosisempirical mode decompositionprincipal component analysisfeature extraction
相关
加载中…
  • 基于特征量融合和支持向量机的轴承故障诊断
    史庆军; 郭晓振; 刘德胜Journal of Electronic Measurement and Instrument, 2019, (10): 104-111.
  • 基于优化集合EMD的滚动轴承故障位置及性能退化程度诊断方法
    王玉静; 姜义成; 康守强; 杨广学; 陈艳娜仪器仪表学报, 2013, (08): 1834-1840.
  • 基于EMD和VPMCD的滚动轴承故障诊断
    张健; 张子阳; 起雪梅; 刘小英机械设计, 2019, S2: 91-94.
查看全部 →

发表信息

论文状态
公开发表
期刊
计量学报
发表日期
2019
卷期
第 06 期
页码
1077-1082
成果收录
CHINAJOURNAL
资助标注
国家重点研发计划(2018YFF0214700);浙江省舟山市科技计划(2017C12036);

作者

  • 汪

    汪朝海 (第一作者)

  • 蔡

    蔡晋辉

查看全部 3 位作者收起作者
  • 曾

    曾九孙

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417