基于改进的经验模态分解的后视镜驱动器故障诊断方法

作者：高丰; 朱少成; 罗石

来源：河南科技大学学报(自然科学版), 2021, 42(06): 39-7.

DOI：10.15926/j.cnki.issn1672-6871.2021.06.007

• 机械故障诊断
• 集成经验模态分解算法
• IMF筛选
• AR功率谱估计
• 支持向量机

针对电动后视镜驱动器振动信号非平稳非线性及信噪比低,提取传统特征难以有效识别样本故障状态的问题,提出了一种改进的集成经验模态分解算法(EEMD)。使用EEMD对振动信号进行了分解,利用相关系数与峭度系数筛选有效本征模态函数(IMF)分量。应用自回归模型(AR)功率谱估计方法,建立最佳阶次的AR模型,对有效IMF分量进行谱估计,并得到有效IMF分量的AR谱与AR累加谱。将AR累加谱的特征频率点与振幅作为特征向量,使用支持向量机(SVM)进行机器学习与分类。研究结果表明:EEMD-AR-SVM模型在实验中的分类准确率达到了93.9%,平均耗时46.1 s,达到了工业中自动检测的标准。

• 单位
  江苏大学