基于多类SVM与改进EMD的故障诊断.pdfVIP

2010年第6期 ·控制与检测 · 文章编号 ：1001—2265(2010)06—0029—03 基于多类 SVM与改进 EMD的故障诊断 饶俊 。王太勇’ (1．天津大学 天津市先进制造技术与装备重点实验室，天津 300072；2．天津财经大学，天津 300222) 摘要 ：鉴于传统方法在智能故障诊断中存在着一些不足 ，提 出了一种基于多类 支持 向量机 (SVM)和改进 的经验模式分解 (EMD)的故障检测与诊 断办法。首先通过采用窗 口平均法的 EMD将原始信号 自适应 分解到分布在不同频带的基本模式分量(IMF)，再用特征 归一化处理进行特征提取 ，然后输入 多类SVM 分类器进行分类，从而对设备的当前状况作 出判断。经过 实验证明，本方法可以有效地对轴承设备进行 故障诊 断。 关键词：支持 向量机 ；故障诊 断；经验模式分解；特征提取 中图分类号：TH165．3 文献标识码 ：A FaultDiagnosisBased onM ulti-classSupportVectorM achineand Improved EmpiricalModeDecomposition RAO Jun一，WANG Tai．yong (1．TianjinKeyLaboratoryofAdvancedManufacturingTechnologiesandEquipments，TianjinUniversity，Tian— jin300072，China；2．TianjinUniversityofFinanceandEconomics，Tianjin300222，China) Abstract：Aimingatthedisadvantageofclassicneuralnetworks，anew faultdiagnosismethod isproposed basedonmulti-classsupportvectormachnie (SVM )andimprovedempiricalmodedecomposition (EMD)． Firstly，vibrationsingalsareadaptivelydecomposedintoseveralnitrinsicmodefunctions(IMF)from original signalsby EM D usingwnidow average．Thenthosefunctions，whichbelongtodifferentfrequencybands，are regardedastheinputcharacteristicvectorsofSVM forfaultclassificationafterdealnigwiththefeaturenormal- izationLastly，informationisacquiredofrjudgingthestatusofdevices．Thismethodprovedtobevalidina bearingsfaultdiang osisexamples． Keywords：supportvectormachine；faultdiagnosis；empiricalmodedecomposition；featureextraction 本文结合两种理论 ，并加以改进 ，提出了一种新 的 0 引言 故障检测与诊断办法，并通过一个滚动轴承的故 障诊 在机械设备的状态监控过程中，原始信号受复杂 断实例，证明该种方法对于设备状态的监控和故障诊 背景噪声影响 ，呈现为非线性和非平稳性 ，严重影响了