摘要：针对滚动轴承的特征提取问题提出了一种经验模态分解（Empirical Mode Decomposition,EMD）与主成分分析（Principle Component Analysis,PCA）相融合的算法。该算法先使用经验模态分解（Empirical Mode Decomposition,EMD）对故障信号进行分解,然后将得到的EMD与PCA结合提取特征。在滚动轴承故障识别中,将PCA提取的累计贡献率为95%及以上的特征主成分作为支持向量机（Support Vector Machine,SVM）的输入量,采用SVM实现故障分类。试验结果表明,融合算法故障诊断的准确率达到100%,优于单一算法PCA的诊断率。
分类：期刊> 自然科学与工程技术> 工程科技II> 机械工业
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：滚动轴承 经验模态分解 主成分分析 支持向量机
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
