噪声参数最优ELMD与LS-SVM在轴承故障诊断中的应用与研究
来源：振动与冲击杂志2017年第5期北京时间：
作者：王建国，陈帅，张超
单位：1.内蒙古科技大学机械工程学院，包头 014010；2.内蒙古科技大学信息工程学院，包头 014010
摘要：针对轴承振动信号的非平稳特征和现实中难以获得大量典型故障样本，提出基于噪声参数最优的总体局部均值分解(ensemble local mean decomposition, ELMD)与最小二乘支持向量机(least squares support vector machine, LS-SVM)相结合的轴承故障诊断方法。首先对轴承振动信号进行噪声参数最优ELMD分解并得到一系列窄带乘积函数(product function, PF)，然后计算各PF分量能量以构造能量特征向量，最后将高维能量特征向量作为最小二乘支持向量机的输入来识别轴承故障类型。通过对轴承故障振动信号分析，结果表明噪声参数最优ELMD方法能有效地抑制模态混叠，与LS-SVM结合可以准确地识别轴承的工作状态和故障类型。<br>
关键词：最优噪声参数 总体局部均值分解 能量特征向量 最小二乘支持向量机 故障诊断
