位置:成果数据库 > 期刊 > 期刊详情页
基于EMD和免疫参数自适应SVM的滚动轴承故障诊断
  • ISSN号:1006-5911
  • 期刊名称:计算机集成制造系统
  • 时间:2013
  • 页码:438-447
  • 分类:TP206.3[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]南京航空航天大学机电学院,江苏南京210016, [2]空军预警学院军械通用装备系,湖北武汉430019, [3]南京四开电子企业有限公司,江苏南京210007
  • 相关基金:国家自然科学基金资助项日(51175262);霍英东基金资助项目(111056);江苏省科技支撑计划资助项目(BE2011182);江苏省重大科技成果转化专项资金资助项目(BA2007034).
  • 相关项目:基于神经-体液调控机制的有机制造系统自适应控制研究
中文摘要:

为实现滚动轴承故障的智能诊断,提出一种基于经验模式分解和免疫参数自适应支持向量机相结合的滚动轴承故障诊断方法。使用经验模式分解将故障信号分解为若干个本征模函数之和,然后通过定义的故障特征频率筛选函数,自动地从各本征模函数的包络谱中提取出包含轴承外圈、内圈及滚动体故障的特征向量。在特征提取的基础上,将改进的免疫克隆选择算法和K折交叉验证方法相结合,实现了支持向量机参数的自适应优化选取,并进一步训练得到免疫参数自适应支持向量机分类器。通过SKF6203滚动轴承数据实验表明,该方法能获得较高的故障诊断识别率。

英文摘要:

To realize intelligent fault diagnosis of rolling bearings, a novel fault diagnosis approach based on Empmcal Mode Decomposition (EMD) and Immune Parameter Adaptive Support Vector Machine (IPA-SVM) was proposed. The fault signal was decomposed into the sum of a number of Intrinsic Mode Functions (IMFs) by EMD. Through fault characteristic frequency filter function, the fault feature vectors were extracted from the envelope spectrum of IMFs automatically. On the basis of feature extraction, an improved immune clonal selection algorithm was introduced to optimize parameters of SVM with K-fold cross validation method, and the IPA-SVM classifier was obtained after sample training. SKF6203 rolling bearing data experiments demonstrated that the superior fault recognition rate could be acquired by proposed method.

同期刊论文项目
期刊论文 99 会议论文 9 获奖 1 著作 1
同项目期刊论文
期刊信息
  • 《计算机集成制造系统》
  • 北大核心期刊(2011版)
  • 主管单位:中国兵器工业集团公司
  • 主办单位:中国兵器工业第210研究所
  • 主编:杨海成
  • 地址:北京市海淀区车道沟10号北京2413信箱34分箱
  • 邮编:100089
  • 邮箱:986127464@qq.com
  • 电话:010-68962468
  • 国际标准刊号:ISSN:1006-5911
  • 国内统一刊号:ISSN:11-5946/TP
  • 邮发代号:82-289
  • 获奖情况:
  • 全国中文核心期刊,中国科技论文统计与分析文献来源期刊,中国科学引文数据库来源期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:25379