论文部分内容阅读
针对轴承振动信号故障特征信息实际提取困难的问题,基于局部均值分解(LMD)与改进支持向量机(SVM)提出了轴承故障诊断方法。对所采集的轴承振动信号进行局部均值分解,得到若干乘积函数的分量。计算各乘积函数的能量,选取能量百分比值作为识别故障的特征值。针对支持向量机不能自适应选择核函数参数和惩罚因子的问题,利用细菌觅食优化算法对支持向量机进行参数优化。将特征值输入改进支持向量机模型,对轴承故障状态进行识别。试验结果表明,相对于传统支持向量机模型和隐马尔可夫模型,采用所提出的轴承故障诊断方法,对轴承故障的识别准