基于CEEMDAN样本熵与SVM的滚动轴承故障诊断

基于CEEMDAN样本熵与关于劳动的感悟 SVM的滚动轴承故障诊断

谢志谦;孙虎儿;刘乐;武超

【期刊名称】《组合机床与自动化加工技术》

【年(卷),期】2017(000)003

【摘 要】提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)与IMF样本

熵结合的滚动轴承故障特征提取方法.利用CEEMDAN算法对振动信号进行了自适

应分解,将非稳定的振动信号分解成了若干个固有模态函数(IMF)分量.计算了包含主

要故障特征信十二月的英语 息的IMF分量样本熵,实现了故障特征量化.在此基础上利用SVM在

少量数据样本的情况下具有较强的学习和分类能力,通过样本数据学习与待测样本

的模式怎么做人做事或说话 识别实现滚动轴承智能诊断.通过仿真与实验数据分析,证明该方法能够改善

信号特征提取衣服去油渍最好的方法 的效果,对故障类型的判断表现出较高的识别率.

【总页数】5页(P96-1小檗碱片 00)

【作手机壁纸男 者】谢志谦五年级下册语文教案 ;孙虎胜利的图片 儿;刘乐;武超

【作者单位】中北大学 机械与动力工程学院,太原 030051;中北大学 机械与动力工

程学院,太原 030051;中北大学 机械与动力工程学院,太学习时间表 原 030051;中北大学 机械

与动力工程学院,太原 030051

【正文语种】中 文

【中图分类】TH166;TG506

【相关文献】