一种基于EEMD-SVD和FCM聚类的轴承故障诊断方法

来源：计量学报杂志2016年第1期北京时间：

作者：张立国,康乐,金梅,李盼

单位：燕山大学河北省测试计量技术与仪器重点实验室, 河北 秦皇岛 066004

摘要：提出了一种基于总体平均经验模式分解（EEMD）和奇异值分解（SVD）的模糊C均值聚类（FCM）相结合的轴承故障诊断方法。首先对轴承信号进行EEMD分解,得到若干个平稳的本征模函数（IMF）,再通过相关性分析筛选包含主要信息的前几个分量进行奇异值分解,然后将得到的奇异值矩阵作为特征向量,通过FCM模糊聚类进行识别。实验结果表明,此方法可有效地对轴承故障类型进行识别。

关键词：计量学; 总体平均经验模式分解; 奇异值分解; 模糊C均值聚类; 轴承故障诊断

基金资助：国家科技重大专项资助项目（GFY3Q003CY/01）