奇异值分解与LMD结合的滚动轴承故障诊断研究

简介

针对滚动轴承故障信号具有的非线性和非平稳性,其故障特征难以提取的问题,提出一种奇异值分解（SVD）和局部均值分解（LMD）相结合的滚动轴承故障特征提取和诊断方法。首先,将轴承故障信号进行LMD分解得到若干PF分量;然后选取和原始信号相关度较大的PF分量,利用奇异值序列来构造其故障特征向量;最后,将得到的故障特征向量作为学习样本输入到支持向量机（SVM）中,对故障类型进行分类和识别。实验结果表明,LMD和SVD结合的故障特征提取方法,能有效提取滚动轴承不同状态下的故障特征,对不同故障状态做出准确分类。