基于ESMD熵融合与PSO-SVM的电机轴承故障诊断

为提高电机轴承故障诊断的准确性,提出了一种基于极点对称模态分解算法(Extreme-point Symmetric Mode Decomposition,ESMD)熵融合与粒子群算法(PSO)优化支持向量机(SVM)的诊断方法.首先采用ESMD将故障数据分解获得数个固有模态分量(Intrinsic Mode Function,IMF),根据相关性筛选IMF并计算其多种特征熵;采用核主成分分析(KPCA)用于融合特征熵,增大区分度;利用PSO寻优SVM参数,提高故障识别率.最后通过试验分析表明,该方法可有效提取电机轴承故障特征并精确判别出故障类型,与其它方法相比识别率较高.