基于EMDD信息量和KNP-SVDD的滚动轴承故障诊断研究*

作者：陈宇晨，何毅斌*，戴乔森，刘湘，贺苏逊 日期：2021-03-22/span> 浏览：1925 查看PDF文档

基于EMDD信息量和KNP-SVDD的滚动轴承故障诊断研究*
陈宇晨，何毅斌*，戴乔森，刘湘，贺苏逊
(武汉工程大学 机电工程学院，湖北 武汉 430205)

摘要:针对故障诊断中各类数据样本分布不均衡时诊断效果较差的问题，在支持向量机方法的基础上引入了支持向量描述方法，并对支持向量描述方法向多元判决扩展的方法，以及各种扩展方法的局限性进行了研究。对现有支持向量描述方法的扩展方法进行了改进，提出了一种利用K相邻概率加权的多元判决支持向量数据描述方法；通过使用集合经验模态分解原信号，并计算了各本征模函数的信息量作为特征，利用第三方实验数据，对K相邻概率支持向量数据描述方法在各种故障类别的识别准确率进行了测试。研究结果表明：该方法可以有效地识别滚动轴承故障发生时的位置和严重程度；同时，通过与其他分类方法对比的方式，证明了该方法的优越性。
关键词:故障诊断；支持向量机；集合经验模态分解；本征模函数；K相邻概率支持向量数据描述
中图分类号:TH133.33        文献标识码:A     文章编号:1001-4551(2021)01-0055-07

本文引用格式:
陈宇晨，何毅斌，戴乔森,等.基于EMDD信息量和KNPSVDD的滚动轴承故障诊断研究［J］.机电工程,2021,38(1):55-61.
CHEN Yu-chen, HE Yi-bin, DAI Qiao-sen, et al. Fault diagnosis of rolling bearing based on EMDD information and KNP-SVDD［J］.Journal of Mechanical & Electrical Engineering, 2021,38(1):55-61.《机电工程》杂志:http://www.meem.com.cn