机械设计与制造2020，Issue(1) ：96-100.

基于VMD-SVM的滚动轴承退化状态识别

Degradation State Recognition of Rolling Bearing Based on VMD-SVM

吕明珠 苏晓明 刘世勋 陈长征
机械设计与制造2020，Issue(1) ：96-100.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于VMD-SVM的滚动轴承退化状态识别

Degradation State Recognition of Rolling Bearing Based on VMD-SVM

吕明珠 1苏晓明 2刘世勋 3陈长征2
扫码查看

作者信息

  • 1. 沈阳工业大学机械工程学院,辽宁 沈阳 110870;辽宁装备制造职业技术学院自控学院,辽宁 沈阳 110161
  • 2. 沈阳工业大学机械工程学院,辽宁 沈阳 110870
  • 3. 中认(沈阳)北方实验室有限公司,辽宁 沈阳 110164
  • 折叠

摘要

针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法.该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态分量(IMF),然后提取敏感IMF分量的时域指标和能量熵构成退化特征向量序列,最后随机抽取不同退化状态下的少量样本输入SVM模型训练,建立退化状态模型库,并用真实数据进行测试.实验结果表明该方法能够准确识别出轴承的退化状态,通过与EMD-SVM、EEMD-SVM模型对比,验证了该方法的优越性.

关键词

变分模态分解(VMD)/支持向量机(SVM)/滚动轴承/退化状态识别

引用本文复制引用

基金项目

国家自然科学基金(51675350)

高校重点课题(2018XB01-4)

高校应用性研究专项课题(2018YYYJ-3)

出版年

2020
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量6
参考文献量8
段落导航相关论文