基于经验模态分解和支持向量机的滚动轴承故障诊断_徐可.pdf下载

摘要：本文针对滚动轴承的故障诊断问题,首先提出一种自适应波形匹配的延拓方法对经验模态分解(empirical mode decomposition, EMD)存在的端点效应进行改进,然后基于改进的EMD和粒子群优化算法(particle swarm optimization, PSO)优化的支持向量机(support vector machine, SVM)设计了一种两阶段的滚动轴承故障诊断方法.离线阶段对典型的正常、故障振动信号进行EMD分解并提取能量信息作为特征,送入PSO-SVM进行训练并保存模型待用,在线阶段对实时的振动信号进行EMD分解并提取特征,利用离线阶段训练好的模型进行诊断并输出诊断结果.使用美国西储大学轴承数据对该方法进行了验证,实验结果证明了该方法的有效性.