基于EMD近似熵特征提取和支持向量机的故障诊断方法
【摘要】:提出了一种基于经验模式分解(Empirical ModeDecomposition,简称EMD)近似熵(Approximate Entropy)特征提取和支持向量机(SupportVector Machine,简称SVM)的故障诊断方法.该方法对信号进行经验模式分解,得到若干个基本模式分量,然后提取包含主要故障信息的若干个基本模式分量的近似熵作为特征向量,并将近似熵特征向量输入到多分类支持向量机中,根据多分类支持向量机的输出结果来判断机械设备的工作状态和不同故障类型.将该方法应用于滚动轴承常见的3种故障类型的识别.实验结果表明,即使在小样本的情况下,该方法仍能有效地实现滚动轴承的故障诊断.该方法为实现机械设备的状态检测和故障诊断提供了一种有效途径.
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|