期刊文献+

电机滚动轴承故障诊断方法研究——基于CEEMD能量熵和SVM 被引量:1

下载PDF
导出
摘要 针对电机轴承早期振动故障信号非线性非平稳性特征,造成振动故障信号特征向量提取和故障诊断困难,提出一种补充的总体平均经验模态分解(CEEMD)与能量熵结合的电机滚动轴承故障特征提取方法。通过对振动信号分解得到多个固有模态函数,计算各个IMF分量的能量熵作为特征选择,再结合针对少量数据样本具有较好分类的SVM进行模式识别,实现对电机滚动轴承故障类型识别。通过试验研究表明:基于CEEMD能量熵和SVM的电机滚动轴承故障诊断方法效果较好,能有效进行电机轴承早期故障诊断。
出处 《现代商贸工业》 2017年第19期188-189,共2页 Modern Business Trade Industry
  • 相关文献

参考文献1

二级参考文献3

  • 1Chapelle O, Vapnik V, Bousquet O, et al. Choosing muhiple parameters for support vector machines [J]. Machine Learning, 2002,46:131-159 被引量:1
  • 2Keerthi S S. Efficient tuning of SVM hyperparameters using radius/margin bound and iterative algorithms[J]. IEEE Trans. On Neural Networks,2002, 13 (5): 1225-1229 被引量:1
  • 3VapnikV著 张学工 译.统计学习理论的本质[M].北京:清华大学出版社,2000.. 被引量:9

共引文献33

同被引文献4

引证文献1

二级引证文献3

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部