探讨了基于经验模态分解(EMD)和支持向量机(SVM)的提升机刚性罐道故障诊断方法。首先利用EMD对采集的振动信号进行分解以获得内蕴模态函数(IMF),并结合小波降噪对其高频分量进行降噪。然后,提取降噪后IMF分量中的典型信息作为故障特征向量,使用SVM进行故障模式识别。
2023-09-10 22:45:11
300KB
1
针对齿轮箱振动信号的非平稳特性和在现实条件下难以获得大量故障样本的实际情况,提出一种经验模态分解和支持向量机相结合的故障诊断方法。运用经验模态分解方法对齿轮箱故障的振动信号进行分析,进行EEMD分解得到相对平稳的本征模态IMF,并计算每个IMF的能量熵,将其作为支持向量机的输入特征向量以判断齿轮箱的工作状态和故障类型。
2022-05-12 09:21:19
156KB
1
使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测(Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm)
2022-04-13 22:05:29
1.65MB