基于ELMD的样本熵及Boosting-SVM的滚动轴承故障诊断

作者：何志坚; 周志雄

来源：振动与冲击, 2016, 35(18): 190-195.

DOI：10.13465/j.cnki.jvs.2016.18.031

• 滚动轴承
• 故障诊断
• 总体局域均值分解
• 样本熵

针对滚动轴承非平稳性的振动信号,提出了基于总体局域均值分解(Ensemble Local Mean Decomposition,ELMD)的样本熵及Boost-SVM的滚动轴承故障诊断法。首先,对振动信号进行ELMD分解,获得一系列乘积函数(Product Function,PF);其次,根据分解特性提出基于K-L散度的自适应法选取主PF分量,计算主PF分量的样本熵并将其组合成特征向量;最后,将特征向量输入Boosting-SVM分类器进行训练与测试,从而识别滚动轴承的故障类型。实验结果表明,该方法能够有效的诊断出三种状态,且效果较局域均值分解法好。

• 单位
  湖南大学; 湖南信息职业技术学院