控制理论与应用

作者：徐可,陈宗海,张陈斌,董广忠

单位：中国科学技术大学,中国科学技术大学,中国科学技术大学,中国科学技术大学

关键词：滚动轴承；故障诊断；经验模态分解；粒子群优化；支持向量机

基金：国家自然科学基金

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。

来源：2019年第6期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第6期