首页|基于VMD-SVM的滚动轴承退化状态识别

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

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.

吕明珠、苏晓明、刘世勋、陈长征

展开 >

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

中认(沈阳)北方实验室有限公司,辽宁 沈阳 110164

变分模态分解(VMD) 支持向量机(SVM) 滚动轴承 退化状态识别

国家自然科学基金高校重点课题高校应用性研究专项课题

516753502018XB01-42018YYYJ-3

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
年,卷(期)：2020.(1)
  • 6
  • 8