本文關(guān)鍵詞：基于EMD和支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

首頁 > 專家 > 內(nèi)容

文獻(xiàn)名稱：基于EMD和支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法研究

    前言：機(jī)械設(shè)備的診斷過程包括診斷信息獲取、故障特征信息提取和狀態(tài)識(shí)別三部分。其中,故障特征提取和狀態(tài)識(shí)別是診斷的關(guān)鍵。本文將時(shí)頻分析的新方法—經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,簡(jiǎn)稱EMD)和模式識(shí)別的新技術(shù)—支持向量機(jī)(Support Vector Machine,簡(jiǎn)稱SVM)相結(jié)合應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷當(dāng)中。EMD方法基于信號(hào)的局部特征時(shí)間尺度,可把信號(hào)分解為若干個(gè)內(nèi)稟模態(tài)函數(shù)(Intrinsic Mode Function,簡(jiǎn)稱IMF)之和,分解出的各個(gè)IMF分量突出了數(shù)據(jù)的局部特征,對(duì)其進(jìn)行分析可以更準(zhǔn)確有效地把握原數(shù)據(jù)的特征信息。此外,由于每一個(gè)IMF所包含的頻率成分不僅僅與采樣頻率有關(guān),更為重要的是它還隨著信號(hào)本身的變化而變化,因此EMD方法是一種自適應(yīng)的時(shí)頻局部化分析方法,它從根本上擺脫了Fourier變換的局限性,具有很高的信噪比,非常適用于非平穩(wěn)、非線性過程。針對(duì)旋轉(zhuǎn)機(jī)械故障振動(dòng)信號(hào)的非平穩(wěn)特征,本文將EMD方法引入旋轉(zhuǎn)機(jī)械故障特征提取當(dāng)中,對(duì)其基本理論進(jìn)行了研究,對(duì)其邊界效應(yīng)提出了解決方案,并在此基礎(chǔ)上提出了五種基于內(nèi)稟模態(tài)函數(shù)的故障特征提取方法。支持向量機(jī)有...
    The process of machinery fault diagnosis includes the acquisition of information and extracting feature and recognizing conditions of which feature extraction and condition identification are the priority. A novel method of time-frequency analysis, Empirical Mode Decomposition (EMD) and the comparatively recent development of pattern recognition techniques, Support Vector Machines (SVMs), are combined and applied to the rotating machinery fault diagnosis. EMD is based on the local characteristic time scale ...

文獻(xiàn)名稱 基于EMD和支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法研究

Article Name
英文(英語)翻譯 Research on Fault Diagnosis Methods for Rotating Machinery Based on Empirical Mode Decomposition and Support Vector Machine;

作者 楊宇; 導(dǎo)師:于德介;

Author

作者單位
Author Agencies 湖南大學(xué);

文獻(xiàn)出處
Article From 中國(guó)科學(xué)院上海冶金研究所; 材料物理與化學(xué)(專業(yè)) 博士論文 2000年度

關(guān)鍵詞 旋轉(zhuǎn)機(jī)械; 故障診斷; 特征提取; 狀態(tài)識(shí)別; 時(shí)頻分析; 經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）; 內(nèi)稟模態(tài)函數(shù)（IMF）; Hilbert-Huang變換（HHT）; 人工神經(jīng)網(wǎng)絡(luò)（ANNs）; 支持向量機(jī)（SVMs）;

Keywords Rotating Machinery;Fault Diagnosis;Feature Extraction;Condition Recognition;Time-frequency Analysis;Empirical Mode Decomposition （EMD）;Intrinsic Mode Functions （IMFs）;Hilbert-Huang Transform （HHT）;Art

化肥廠旋轉(zhuǎn)機(jī)械故障診斷的應(yīng)用探討
礦用旋轉(zhuǎn)機(jī)械兩類故障的診斷與振動(dòng)機(jī)理分析
基于獨(dú)立分量分析的消噪方法在旋轉(zhuǎn)機(jī)械特征提取中的應(yīng)用
基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械非線性故障診斷研究
虛擬儀器系統(tǒng)在造紙機(jī)旋轉(zhuǎn)機(jī)械故障信號(hào)分析中的應(yīng)用
旋轉(zhuǎn)機(jī)械故障診斷技術(shù)在大機(jī)組上的應(yīng)用
多傳感器信息融合技術(shù)及其在旋轉(zhuǎn)機(jī)械振動(dòng)故障診斷中的應(yīng)用
基于融合信息熵的大型旋轉(zhuǎn)機(jī)械振動(dòng)狀態(tài)的評(píng)價(jià)方法
無轉(zhuǎn)速計(jì)旋轉(zhuǎn)機(jī)械升降速振動(dòng)信號(hào)零相位階比跟蹤濾波
DSP在旋轉(zhuǎn)機(jī)械振動(dòng)監(jiān)測(cè)中的應(yīng)用

  本文關(guān)鍵詞：基于EMD和支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。