資源描述：
《基于多類SVM與改進EMD的故障診斷.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2010年第6期·控制與檢測·文章編號：1001—2265(2010)06—0029—03基于多類SVM與改進EMD的故障診斷饒俊。王太勇’(1．天津大學天津市先進制造技術(shù)與裝備重點實驗室，天津300072；2．天津財經(jīng)大學，天津300222)摘要：鑒于傳統(tǒng)方法在智能故障診斷中存在著一些不足，提出了一種基于多類支持向量機(SVM)和改進的經(jīng)驗?zāi)Ｊ椒纸?EMD)的故障檢測與診斷辦法。首先通過采用窗口平均法的EMD將原始信號自適應(yīng)分解到分布在不同頻帶的基本模式分量(IMF)，再用特征歸一化處理進行特征提取，然后輸入多類SVM分類器進行分類，從而對設(shè)備的當前狀況作出判
2、斷。經(jīng)過實驗證明，本方法可以有效地對軸承設(shè)備進行故障診斷。關(guān)鍵詞：支持向量機；故障診斷；經(jīng)驗?zāi)Ｊ椒纸?；特征提取中圖分類號：TH165．3文獻標識碼：AFaultDiagnosisBasedonMulti-classSupportVectorMachineandImprovedEmpiricalModeDecompositionRAOJun一，WANGTai．yong(1．TianjinKeyLaboratoryofAdvancedManufacturingTechnologiesandEquipments，TianjinUniversity，Tian—jin30
3、0072，China；2．TianjinUniversityofFinanceandEconomics，Tianjin300222，China)Abstract：Aimingatthedisadvantageofclassicneuralnetworks，anewfaultdiagnosismethodisproposedbasedonmulti-classsupportvectormachine(SVM)andimprovedempiricalmodedecomposition(EMD)．Firstly，vibrationsignalsareadaptivel
4、ydecomposedintoseveralintrinsicmodefunctions(IMF)fromoriginalsignalsbyEMDusingwindowaverage．Thenthosefunctions，whichbelongtodifferentfrequencybands，areregardedastheinputcharacteristicvectorsofSVMforfaultclassificationafterdealingwiththefeaturenormal-izationLastly，informationisacquire
5、dforjudgingthestatusofdevices．Thismethodprovedtobevalidinabearingsfaultdiagnosisexamples．Keywords：supportvectormachine；faultdiagnosis；empiricalmodedecomposition；featureextraction本文結(jié)合兩種理論，并加以改進，提出了一種新的0引言故障檢測與診斷辦法，并通過一個滾動軸承的故障診在機械設(shè)備的狀態(tài)監(jiān)控過程中，原始信號受復雜斷實例，證明該種方法對于設(shè)備狀態(tài)的監(jiān)控和故障診背景噪聲影響，呈現(xiàn)為非線性和
6、非平穩(wěn)性，嚴重影響了斷是有效的。設(shè)備的故障分析和診斷。面對復雜工況下設(shè)備可能1多類SVM出現(xiàn)的多類故障，傳統(tǒng)的故障診斷方法(如神經(jīng)網(wǎng)絡(luò))需要大量的訓練樣本供機器學習，但現(xiàn)實情況中往往1．1SVM分類決策函數(shù)無法滿足這一條件。經(jīng)過深入研究和反復實驗，人們SVM算法可表示為如下優(yōu)化問題：陸續(xù)提出了一些理論和方法，如針對傳統(tǒng)人工神經(jīng)網(wǎng)，1nmin．，(，b，)=了1+÷y∑絡(luò)方法的一些弊端提出的支持向量機(SupportVec．一一i=ltorMachine，SVM)、以及用于分析非線性、非平穩(wěn)信5．t．Y咖(．)十b]=1一(i=1，2，?n)號的經(jīng)驗?zāi)Ｊ椒纸?Em
7、piricalModeDecomposition，其中，是輸入矢量，W是可調(diào)的權(quán)值矢量，b是偏置，EMD)。而且這些理論和方法至今仍在不斷被優(yōu)化≥0為松弛變量，可以度量一個數(shù)據(jù)點對模式可分的和改進?。理想條件下的偏離程度，是平衡最小分類邊界和最小收稿日期：2010—03—05}基金項目：國家“863”高技術(shù)研究發(fā)展計劃資助項目(2006AA04Z146、2007AA042005)；高等學校博士學科點專項科研基金資助項目(20060056016)作者簡介：饒俊(1979一)，男，江西上饒人，天津財經(jīng)大學講師，博士，主要從事遠程設(shè)備診斷和虛擬制造技術(shù)，(E—mail
8、)~new@sina．C
