經驗模態(tài)分解法和SVM在滾動軸承故障診斷中的應用.pdf

1、滾動軸承是工程機械及其它機械的基本零件，許多機械的故障都和軸承有關。據(jù)統(tǒng)計旋轉機械故障有30％是由軸承引起的，軸承的好壞影響整個機械設備運行狀態(tài)。因此開展?jié)L動軸承故障診斷技術的研究有著重大的實用價值。
　　 滾動軸承故障診斷的實質就是對其振動信號中包含的狀態(tài)信息進行提取并加以分類，從而得出滾動軸承運行狀態(tài)。由于滾動軸承振動信號是非平穩(wěn)信號，傳統(tǒng)的時頻分析信號處理方法在處理非平穩(wěn)信號時有著自身的局限性，而具有自適應性的經驗模態(tài)分解

2、法非常適合處理像滾動軸承這樣的非平穩(wěn)信號。針對實際振動信號中往往含有背景噪聲干擾，直接對信號進行EMD分解容易造成虛假成分，本文采用小波變換對振動信號進行消噪處理，有效地消除了滾動軸承振動信號中的干擾成分，提高了信噪比。然后信號經過EMD分解成若干不同時序尺度下內稟模態(tài)分量，提取基于內稟模態(tài)能量法的特征向量，能夠較好反映滾動軸承的振動信號信息。
　　 在成功地提取信號特征向量基礎上，同時針對實際故障診斷中難以獲取大量的樣本問題，