基于EWT和SVM的滚动轴承智能诊断

摘要

针对轴承的智能诊断,提出了一种基于EWT和SVM的诊断方法.用EWT预先处理振动信号,利用EWT的自适应性,分解得到3个IMF,紧接着对原始振动信号以及3个IMF分量分别提取6个时域特征指标.其次,为了得到对分类灵敏度高的特征分量,选用DET法对得到的特征分量先进行筛选,剔除灵敏度低的特征分量.最后选择SVM作为分类器,通过实验,训练样本建立模型,实现对滚动轴承的正常、滚动体故障、内圈故障、外圈故障这4种运行状态的分类.分析结果表明,该方法对轴承的智能诊断有效,能达到较高的分类精度;有助于提高旋转机械监测、诊断的智能化水平,从而达到提升机械设备运行的安全性和稳定性.