论文部分内容阅读
针对滚动轴承故障信号的非平稳特性，提出了一种基于 EEMD 和 SVM 的滚动轴承故障诊断方法。首先，利用 EEMD 将原始信号进行分解，将其分解为多个固有模态函数（IMF)之和，选取若干含有主要故障信息的 IMF 分量做进一步分析。然后利用这些 IMF 中的特征信息构建故障特征向量，并使用 PCA 对特征向量进行降维。最后，运用GA 优化的 SVM 对滚动轴承故障进行诊断，实验结果表明其诊断准确率较高，比 BP 神经网络更有优势。