基于EEMD和PSO-SVM的电机气隙偏心故障诊断

作者：任强; 官晟; 王凤军; 丁军航^*; 原明亭

来源：组合机床与自动化加工技术, 2021, (02): 73-85.

DOI：10.13462/j.cnki.mmtamt.2021.02.018

• 振动信号
• 气隙偏心
• 希尔伯特变换
• PSO-SVM
• EEMD

针对电机气隙偏心故障如何通过振动信号进行有效诊断、如何选取合适故障特征等系列问题,提出了基于集合经验模态分解(EEMD)的Hilbert时频谱能量特征表达和粒子群参数优化的支持向量机(PSO-SVM)的故障诊断方法。首先对振动信号进行EEMD分解,并通过相关系数法选择有效的IMF分量;其次,对有效的IMF分量提取Hilbert时频谱能量作为特征向量;最后,利用PSO-SVM对提取的特征进行故障的识别。实验结果表明:利用该方法可以对电机偏心故障进行准确诊断。通过与其他传统故障特征在PSO-SVM下进行的比较,验证了Hilbert时频谱能量特征可以获得更高的诊断准确率。

• 单位
  青岛大学; 自动化学院; 自然资源部第一海洋研究所