基于EMD和支持向量数据描述的故障智能诊断.pdfVIP

中国机械工程第 19卷第 22期 2008年 11月下半月 基于EMD和支持向量数据描述的故障智能诊断 李 强 王太勇 王正英 黄 毅 1．天津大学，天津，300072 2．天津港股份有限公司，天津，300461 摘要 ：针对数据维数过高导致的支持向量数据描述的分类结果不理想的问题 ，提 出了一种基于经验 模式分解特征提取和支持 向量数据描述的故障智能诊断方法，将提取实测信号经经验模式分解后的各 基本模式分量的能量作为信号特征，进行支持 向量数据描述分类器的训练和分类。滚动轴承故障智能 诊断实例表明，该方法可以有效提取信号的故障特征，降低数据维数 ，提高单值分类在故障智能诊断中 的准确性 。 关键词：支持向量数据描述 ；经验模式分解；单值分类 ；故障诊断 中图分类号 ：TP181；TP206 文章编号：10O4—132X(2OO8)22—2718一O4 IntelligentFaultDiagnosisBasedonEmpiricalModeDecompositionandSupportVectorDataDescription LiQiang’ WangTaiyong W angZhengying HuangYi 1．TianiinUniversity，Tianjin，300072 2．TianjinPortHoldingsLtd．，Tianiin，300461 Abstract：Aimingattheproblem ofmultidimensionalsampleswhich classifiedbysupportvector datadescription(SVDD)might1eadtounsatisfactorvresults，anovelmethodbasedonempiricalmode decompositionandSVDD wasproposed，anditwasappliedtofaultdiagnosisforrollingbearings．The resultsshow thatthepresentedmethodiSefficienttoextractthefaultfeature，reducethedimensionof thesignalsandimprovetheveracityofone—classclassificationinintelligentdiagnosissignificantly． Keywords：supportvectordatadescription；empiricalmodedecomposition(EMD)；one— class classification；faultdiagnosis 0 引言 经验模式分解 (empiricalmodedecomposi— 故障数据的缺乏一直是制约机械故障诊断技 tion，EMD)可以根据信号 自身 的内在特性 ，将信 术发展的一个重要原因，一般的智能诊断技术如 息 自适应地分解到不同的基本模式分量 (intrinsic 神经网络等 ，往往 由于训练样本不足而得不到理 modefunction，IMF)中，是一种有效 的非线性 、 想的诊断效果_】]。支持 向量数据描述 (support 非平稳信号分析方法。本文基于 EMD和 SVDD vectordatadescription，SVDD)是一种在统计学 方法，提出一种新的单值分类模型。滚动轴承的 习理论和支持向量机基础上发展起来的单值分类 故障智能诊断实例表明该方法的有效性。 方法。这种方法只需要一类样本数据即可进行分 1 支持向量数据描述 类，且具有计算速度快、鲁棒性强、可有效处理小 样本数据等优点。但 SVDD的分类算法要进行 SVDD是近几年研究发展起来的一种单值分 二次规划 问题 的求解 ，数据维数 的增加会使 类方法，其理论基础源于支持向量机口]。SVDD SVDD的求解计算量急剧增长 ，而且数据维