本文主要研究内容
作者胡毅伟,刘自然,李谦,尚坤（2019）在《基于EMD幅值熵和支持向量机的滚动轴承故障诊断》一文中研究指出：针对滚动轴承早期故障特征微弱,无法对轴承状态进行有效辨识的特点,提出基于EMD幅值熵和支持向量机的故障诊断方法。首先通过经验模态分解的自适应性将振动信号分解为不同时间尺度的本征模态函数IMFs,然后从分解的IMFs中分别提取瞬时幅值香农熵构造故障特征集,最后通过支持向量机对提取的故障特征集进行分类识别。滚动轴承实验结果表明,所提方法相比基于EMD和AR模型的故障诊断方法效果更好,诊断识别率达到100%。
Abstract
zhen dui gun dong zhou cheng zao ji gu zhang te zheng wei ruo ,mo fa dui zhou cheng zhuang tai jin hang you xiao bian shi de te dian ,di chu ji yu EMDfu zhi shang he zhi chi xiang liang ji de gu zhang zhen duan fang fa 。shou xian tong guo jing yan mo tai fen jie de zi kuo ying xing jiang zhen dong xin hao fen jie wei bu tong shi jian che du de ben zheng mo tai han shu IMFs,ran hou cong fen jie de IMFszhong fen bie di qu shun shi fu zhi xiang nong shang gou zao gu zhang te zheng ji ,zui hou tong guo zhi chi xiang liang ji dui di qu de gu zhang te zheng ji jin hang fen lei shi bie 。gun dong zhou cheng shi yan jie guo biao ming ,suo di fang fa xiang bi ji yu EMDhe ARmo xing de gu zhang zhen duan fang fa xiao guo geng hao ,zhen duan shi bie lv da dao 100%。
论文参考文献
论文详细介绍
论文作者分别是来自机械研究与应用的胡毅伟,刘自然,李谦,尚坤，发表于刊物机械研究与应用2019年02期论文，是一篇关于经验模态分解论文,幅值熵论文,滚动轴承论文,特征提取论文,支持向量机论文,机械研究与应用2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自机械研究与应用2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：经验模态分解论文; 幅值熵论文; 滚动轴承论文; 特征提取论文; 支持向量机论文; 机械研究与应用2019年02期论文;