<th id="5nh9l"></th><strike id="5nh9l"></strike><th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th><strike id="5nh9l"></strike>
<progress id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"><noframes id="5nh9l">
<th id="5nh9l"></th> <strike id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span>
<progress id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span><strike id="5nh9l"><noframes id="5nh9l"><strike id="5nh9l"></strike>
<span id="5nh9l"><noframes id="5nh9l">
<span id="5nh9l"><noframes id="5nh9l">
<span id="5nh9l"></span><span id="5nh9l"><video id="5nh9l"></video></span>
<th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th>
<progress id="5nh9l"><noframes id="5nh9l">
  • 《工程索引》(EI)刊源期刊
  • 中文核心期刊
  • 中國科技論文統計源期刊
  • 中國科學引文數據庫來源期刊

留言板

尊敬的讀者、作者、審稿人, 關于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復。謝謝您的支持!

姓名
郵箱
手機號碼
標題
留言內容
驗證碼

基于EEMD形態譜和支持向量機復合的滾動軸承故障診斷方法

姜萬錄 鄭直 胡浩松

姜萬錄, 鄭直, 胡浩松. 基于EEMD形態譜和支持向量機復合的滾動軸承故障診斷方法[J]. 工程科學學報, 2015, 37(S1): 72-77. doi: 10.13374/j.issn2095-9389.2015.s1.012
引用本文: 姜萬錄, 鄭直, 胡浩松. 基于EEMD形態譜和支持向量機復合的滾動軸承故障診斷方法[J]. 工程科學學報, 2015, 37(S1): 72-77. doi: 10.13374/j.issn2095-9389.2015.s1.012
JIANG Wan-lu, ZHENG Zhi, HU Hao-song. Fault diagnosis of ball bearing based on EEMD morphological spectrum and support vector machine[J]. Chinese Journal of Engineering, 2015, 37(S1): 72-77. doi: 10.13374/j.issn2095-9389.2015.s1.012
Citation: JIANG Wan-lu, ZHENG Zhi, HU Hao-song. Fault diagnosis of ball bearing based on EEMD morphological spectrum and support vector machine[J]. Chinese Journal of Engineering, 2015, 37(S1): 72-77. doi: 10.13374/j.issn2095-9389.2015.s1.012

基于EEMD形態譜和支持向量機復合的滾動軸承故障診斷方法

doi: 10.13374/j.issn2095-9389.2015.s1.012
基金項目: 

河北省自然科學基金資助項目(E2013203161)

國家自然科學基金資助項目(51475405,51075349)

詳細信息
    通訊作者:

    鄭直,E-mail:zhengzhi@ysu.edu.cn

  • 中圖分類號: TH137;TP277

Fault diagnosis of ball bearing based on EEMD morphological spectrum and support vector machine

  • 摘要: 針對滾動軸承的內圈、外圈和滾動體故障提出了一種新的診斷方法,該方法融合了集總經驗模態分解(EEMD)、形態譜和支持向量機(SVM)三種方法的優勢.首先,利用經驗模態分解對滾動軸承故障振動信號進行分解,得到若干個具有物理意義的內稟模態分量(IMF);其次,基于最大能量法篩選出含有故障特征信息最豐富的一個內稟模態分量為故障診斷數據源;再次,對數據源在選定尺度范圍內進行形態譜的提取,從而構造故障特征向量;最后,利用支持向量機對滾動軸承的三種故障進行診斷.研究結果表明,該方法能夠有效地診斷出滾動軸承的三種故障,且具有很高的故障診斷正確率.

     

  • 加載中
計量
  • 文章訪問數:  337
  • HTML全文瀏覽量:  124
  • PDF下載量:  10
  • 被引次數: 0
出版歷程
  • 收稿日期:  2015-01-06
  • 網絡出版日期:  2021-07-17
  • 刊出日期:  2021-07-17

目錄

    /

    返回文章
    返回
    <th id="5nh9l"></th><strike id="5nh9l"></strike><th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th><strike id="5nh9l"></strike>
    <progress id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"><noframes id="5nh9l">
    <th id="5nh9l"></th> <strike id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span>
    <progress id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"><noframes id="5nh9l"><span id="5nh9l"></span><strike id="5nh9l"><noframes id="5nh9l"><strike id="5nh9l"></strike>
    <span id="5nh9l"><noframes id="5nh9l">
    <span id="5nh9l"><noframes id="5nh9l">
    <span id="5nh9l"></span><span id="5nh9l"><video id="5nh9l"></video></span>
    <th id="5nh9l"><noframes id="5nh9l"><th id="5nh9l"></th>
    <progress id="5nh9l"><noframes id="5nh9l">
    259luxu-164