[1]尹召杰,许同乐,郑店坤. LMD支持向量机电机轴承故障诊断研究[J].哈尔滨理工大学学报,2018,(05):35-39.[doi:1015938/jjhust201805007]
 YIN Zhao jie,XU Tong le,ZHENG Dian kun. Fault Diagnosis Research on Bearingof Motor Based on LMD And Support Vector Machine[J].哈尔滨理工大学学报,2018,(05):35-39.[doi:1015938/jjhust201805007]
点击复制

 LMD支持向量机电机轴承故障诊断研究()
分享到:

《哈尔滨理工大学学报》[ISSN:1007-2683/CN:23-1404/N]

卷:
期数:
2018年05期
页码:
35-39
栏目:
机械动力工程
出版日期:
2018-10-25

文章信息/Info

Title:
 Fault Diagnosis Research on Bearingof Motor Based  on LMD And Support Vector Machine
作者:
 尹召杰许同乐郑店坤
 (山东理工大学 机械工程学院,山东 淄博 255049)
Author(s):
 YIN ZhaojieXU TongleZHENG Diankun
 (School of Mechanical Engineering,Shandong University of Technology,Zibo 255049,China)
关键词:
 关键词:局域均值分解支持向量机故障诊断电机轴承故障
Keywords:
 Keywords:local mean decomposition support vector machine fault diagnosis bearing fault of motor
分类号:
TH165
DOI:
1015938/jjhust201805007
文献标志码:
A
摘要:
 摘要:针对支持向量机(SVM)对处理大样本数据和多分类问题以及核函数选择的局限性,提出LMD支持向量机电机轴承故障诊断方法。首先应用局域均值分解(LMD)算法对信号进行自适应分解,得到一系列PF分量,并利用相关分析剔除虚假分量,提取真实PF分量能量组成特征向量;其次应用新的核函数对SVM进行改进,实现自适应的训练,并针对大样本数据和多分类问题采用‘一对多’的方法;最后以特征向量作为改进SVM的训练样本和测试样本,对电机轴承故障信息进行训练,预测。实验验证,该方法能有效的对电机轴承故障进行自适应的诊断。
Abstract:
 Abstract:Aiming at the limitation of the support vector machine (SVM) to deal with the large sample data and the multi classification problem and the selection of kernel function, the fault diagnosis method of motor bearing based on LMD and support vector machine is proposed Firstly, the local mean decomposition (LMD) algorithm is used to adaptively decompose the signal to get a series of PF components , and the correlation analysis is used to eliminate false components Then, the energy feature vector is formed by extracting energy of the real PF component Secondly, the new kernel function is used to improve the SVM to complete the adaptive training, and the “one to many” method is used to solve the large sample data and multi classification problem Finally, the energy feature vector is used as the training sample and test sample of SVM, and the fault information of motor bearing is trained and predicted Experimental results show that the proposed method can effectively diagnose the fault of motor bearing

参考文献/References:

 [1]王臻,李承,王蕾,等基于解析导纳的感应电机故障诊断[J].电力自动化设备2016,36(8):170-175.
[2]赵慧敏, 房才华, 邓武,等 基于智能优化方法的SVM电机故障诊断模型研究[J]. 大连交通大学学报, 2016, 37 (1): 92-96
[3]李新欣 基于希尔伯特-黄变换的船舶声信号特征提取[J]. 哈尔滨理工大学学报, 2014, 19(3):69-73
[4]杨宇, 王欢欢, 程军圣, 等 基于 LMD 的包络谱特征值在滚动轴承故障诊断中的应用[J]. 航空动力学报, 2012, 27(5): 1153-1158
[5]JONATHAN S Smith The local mean decomposition and its application to EEG perception data Journal of the Royal Society Interface, 2005, 2(5): 443-454
[6]陈亚农, 郜普刚, 何田,等 局部均值分解在滚动轴承故障综合诊断中的应用[J]. 振动与冲击, 2012, 31(3):73-78
[7]程军圣, 罗颂荣, 杨斌, 等 LMD能量矩和变量预测模型模式识别在轴承故障智能诊断中的应用[J]. 振动工程学报, 2013, 26(5): 751-757
[8]孟宗, 王亚超, 胡猛 基于改进LMD和IEDSampEn的齿轮故障特征提取方法[J]. 机械工程学报, 2016, 52(5):169-176
[9]孙伟, 熊邦书, 黄建萍,等 小波包降噪与LMD相结合的滚动轴承故障诊断方法[J]. 振动与冲击, 2012, 31(18):153-156
[10]许同乐,张新义,裴新才, 等 EMD遗传神经网络方法 [J]. 北京邮电大学学报,2012,35(5);68-72
[11]许同乐,侯萌萌,蔡道勇 FastICA 遗传神经网络算法[J]. 北京邮电大学学报,2014,37(4);26-29
[12]高爽, 冬雷, 高阳, 等 基于粗糙集理论的中长期风速预测 [J]. 中国电机工程学报, 2012, 32(1): 32-37
[13]顾亚祥, 丁世飞 支持向量机研究进展[J]. 计算机科学, 2011, 38(2): 14-17
[14]丁世飞, 齐丙娟, 谭红艳 支持向量机理论与算法研究综述 [J]. 电子科技大学学报, 2011, 40(1): 2-10
[15]周厚金, 楼军伟, 胡赤兵 滚动轴承故障小波核函数SVM分类识别研究[J].制造业自动化, 2014(10):48-51
[16]周绍磊, 廖剑, 史贤俊 RBFSVM的核参数选择方法及其在故障诊断中的应用[J]. 电子测量与仪器学报, 2014, 28 (3):240-246
[17]张亚楠, 魏武, 武林林 基于小波包Shannon熵SVM和遗传算法的电机机械故障诊断[J]. 电力自动化设备, 2010, 30(1):87-91
[18]焦卫东, 林树森 整体改进的基于支持向量机的故障诊断方法[J]. 仪器仪表学报, 2015, 36(8):1861-1870
[19]薛浩然, 张珂珩, 李斌,等 基于布谷鸟算法和支持向量机的变压器故障诊断[J]. 电力系统保护与控制, 2015(8):8-13
[20]毕晓君, 柳长源, 卢迪基于PSORVM算法的发动机故障诊断[J].哈尔滨工程大学学报,2014(2):245-249

相似文献/References:

[1]孙永全,郭建英,陈洪科,等.AMSAA模型可靠性增长预测方法的改进[J].哈尔滨理工大学学报,2010,(05):49.
 SUN Yong-quan,GUO Jian-ying,CHEN Hong-ke,et al.An Improved Reliability Growth Prediction Algorithm Based on AMSAA Model[J].哈尔滨理工大学学报,2010,(05):49.
[2]滕志军,李晓霞,郑权龙,等.矿井巷道的MIMO信道几何模型及其信道容量分析[J].哈尔滨理工大学学报,2012,(02):14.
 TENG Zhi-jun,LI Xiao-xia,ZHENG Quan-long.Geometric Model for Mine MIMO Channels and Its Capacity Analysis[J].哈尔滨理工大学学报,2012,(05):14.
[3]李艳苹,张礼勇.新训练序列下的改进OFDM符号定时算法[J].哈尔滨理工大学学报,2012,(02):19.
 LI Yan-ping,ZHANG Li-yong.An Improved Algorithm of OFDM Symbol Timing Based on A New Training Sequence[J].哈尔滨理工大学学报,2012,(05):19.
[4]赵彦玲,车春雨,铉佳平,等.钢球全表面螺旋线展开机构运动特性分析[J].哈尔滨理工大学学报,2013,(01):37.
 ZHAO Yan-ling,CHE Chun-yu,XUAN Jia-ping,et al.[J].哈尔滨理工大学学报,2013,(05):37.
[5]李冬梅,卢旸,刘伟华,等.一类具有连续接种的自治SEIR传染病模型[J].哈尔滨理工大学学报,2013,(01):73.
 LI Dong-mei,LU Yang,LIU Wei-hua.[J].哈尔滨理工大学学报,2013,(05):73.
[6]华秀英,刘文德.奇Hamiltonian李超代数偶部的非负Z-齐次导子空间[J].哈尔滨理工大学学报,2013,(01):76.
 HUA Xiu-ying,LIU Wen-de.[J].哈尔滨理工大学学报,2013,(05):76.
[7]桂存兵,刘洋,何业军,等.基于LCC谐振电路阻抗匹配的光伏发电最大功率点跟踪[J].哈尔滨理工大学学报,2013,(01):90.
 GUI Cun-bing,LIU Yong,HE Ye-jun.[J].哈尔滨理工大学学报,2013,(05):90.
[8]翁凌,闫利文,夏乾善,等.PI/TiC@Al2O3复合薄膜的制备及其电性能研究[J].哈尔滨理工大学学报,2013,(02):25.
 WENG Ling,YAN Li-wen,XIA Qian-shan.[J].哈尔滨理工大学学报,2013,(05):25.
[9]姜彬,林爱琴,王松涛,等.高速铣刀安全性设计理论与方法[J].哈尔滨理工大学学报,2013,(02):63.
 JIANG Bin,LIN Ai-qin,WANG Song-tao,et al.[J].哈尔滨理工大学学报,2013,(05):63.
[10]李星纬,李晓东,张颖彧,等.EVOH 磺酸锂电池隔膜的制备及微观形貌[J].哈尔滨理工大学学报,2013,(05):18.
 LI Xing- wei,LI Xiao- dong,ZHANG Ying- yu,et al.The Preparation and Microcosmic Morphology oEVOH- SO Li Lithium Ion Battery Septum[J].哈尔滨理工大学学报,2013,(05):18.

备注/Memo

备注/Memo:
 基金项目:山东省自然科学基金(ZR2013FM005);淄博市科技发展计划项目(2015kj040008)
更新日期/Last Update: 2018-11-14