基于VMD-SVM的滚动轴承退化状态识别
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
870KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法。该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态分量(IMF),然后提取敏感IMF分量的时域指标和能量熵构成退化特征向量序列,最后随机抽取不同退化状态下的少量样本输入SVM模型训练,建立退化状态模型库,并用真实数据进行测试。实验结果表明该方法能够准确识别出轴承的退化状态,通过与EMD-SVM、EEMD-SVM模型对比,验证了该方法的优越性。相关论文
- 2021-10-03基于多孔介质材料和仿生设计的汽车阻流板减阻机理
- 2024-02-09高超声速巡航飞行器乘波布局气动设计综述
- 2021-03-01新型液冷式飞机雷达热交换机设计
- 2024-02-12风雨共同作用超大型冷却塔气动力和受力性能
- 2024-02-10倾转旋翼气动特性风洞试验与数值模拟研究
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。