| 基于多类SVM与改进EMD的故障诊断 |
| |
| 引用本文： | 饶俊,王太勇.基于多类SVM与改进EMD的故障诊断[J].组合机床与自动化加工技术,2010(6). |
| |
| 作者姓名： | 饶俊 王太勇 |
| |
| 作者单位： | 1. 天津大学,天津市先进制造技术与装备重点实验室,天津,300072;天津财经大学,天津,300222
2. 天津大学,天津市先进制造技术与装备重点实验室,天津,300072 |
| |
| 基金项目： | 国家"863"高技术研究发展计划资助项目，高等学校博士学科点专项科研基金资助项目 |
| |
| 摘 要： | 鉴于传统方法在智能故障诊断中存在着一些不足,提出了一种基于多类支持向量机(SVM)和改进的经验模式分解(EMD)的故障检测与诊断办法。首先通过采用窗口平均法的EMD将原始信号自适应分解到分布在不同频带的基本模式分量(IMF),再用特征归一化处理进行特征提取,然后输入多类SVM分类器进行分类,从而对设备的当前状况作出判断。经过实验证明,本方法可以有效地对轴承设备进行故障诊断。
|
| 关 键 词： | 支持向量机 故障诊断 经验模式分解 特征提取 |
Fault Diagnosis Based on Multi-class Support Vector Machine and Improved Empirical Mode Decomposition |
| |
| RAO Jun,WANG Tai-yong.Fault Diagnosis Based on Multi-class Support Vector Machine and Improved Empirical Mode Decomposition[J].Modular Machine Tool & Automatic Manufacturing Technique,2010(6). |
| |
| Authors: | RAO Jun WANG Tai-yong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
