作　　者： ; ; ; ;

机构地区： 天津大学

出　　处： 《中国机械工程》 2008年第22期2718-2721,共4页

摘　　要： 针对数据维数过高导致的支持向量数据描述的分类结果不理想的问题,提出了一种基于经验模式分解特征提取和支持向量数据描述的故障智能诊断方法,将提取实测信号经经验模式分解后的各基本模式分量的能量作为信号特征,进行支持向量数据描述分类器的训练和分类。滚动轴承故障智能诊断实例表明,该方法可以有效提取信号的故障特征,降低数据维数,提高单值分类在故障智能诊断中的准确性。 Aiming at the problem ot multidimensional samples which classitied by support vector data description（SVDD） might lead to unsatisfactory results,a novel method based on empirical mode decomposition and SVDD was proposed,and it was applied to fault diagnosis for rolling bearings. The results show that the presented method is efficient to extract the fault feature, reduce the dimension of the signals and improve the veracity of one-class classification in intelligent diagnosis significantly.

关 键 词： 支持向量数据描述 经验模式分解 单值分类 故障诊断

领　　域： [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术]