基于CEEMDAN与奇异值分解的往复机械故障诊断方法研究.docx

基于CEEMDAN与奇异值分解的往复机械故障诊断方法研究
摘要：
本文针对往复机械故障诊断方法进行研究，提出基于CEEMDAN与奇异值分解的故障诊断方法。首先，利用CEEMDAN对探测信号进行分解，得到多组固有模态函数（IMF）；然后，对每组IMF进行奇异值分解，提取其中的频域特征；最后，采用支持向量机进行故障判别。实验结果表明，该方法能够有效地判别往复机械故障，并具有更高的准确率和稳定性。
关键词：CEEMDAN；奇异值分解；往复机械；故障诊断；支持向量机
1.引言
往复机械广泛应用于现代工业生产中，其可靠性和稳定性对生产效率和产品质量起着至关重要的作用。然而，往复机械故障频繁发生，影响生产效率和安全性。因此，往复机械故障诊断技术成为当前研究热点。
传统的故障诊断方法主要采用频域分析或时域分析，然而，这些方法在处理非线性和非平稳信号时存在很大的困难。为了解决这些问题，一些新的研究方法被提出，如小波分析、能量子带分析、经验模态分解等。
本文提出了一种基于CEEMDAN（改进的经验模态分解方法）与奇异值分解的故障诊断方法。具体而言，本文采用CEEMDAN对往复机械探测信号进行分解，得到多组IMF，并将每组IMF进行奇异值分解，提取其中的频域特征。最后，采用支持向量机进行故障判别。
2.方法
2.1CEEMDAN
CEEMDAN是一种改进的经验模态分解方法，其基本思想是将信号分解为多个固有模态函数（IMF）。在每次分解中，对于信号中频率的极值点进行插值，以不断减小剩余项。这个过程重复多次，直到IMFs收敛为止。
2.2奇异值分解
奇异值分解是一种矩阵分解方法，可以将任意矩阵分解为三个矩阵的乘积。在本文中，我们采用奇异值分解提取每组IMF中的频域特征。
2.3支持向量机
支持向量机是一种机器学习方法，可以用于分类和回归分析。在本文中，我们采用支持向量机进行故障判别，即将提取的频域特征作为输入，输出为故障类型。
3.实验
我们使用往复机械探测信号作为数据集，其中包括正常运行和多种故障情况。首先，我们对数据集进行CEEMDAN分解，得到多组IMF。然后，我们对每组IMF进行奇异值分解，提取其中的频域特征。最后，我们采用支持向量机进行故障判别。实验结果表明，该方法能够有效地判别往复机械故障，并具有更高的准确率和稳定性。
4.结论
本文提出了一种基于CEEMDAN与奇异值分解的故障诊断方法，针对往复机械故障进行研究。实验结果表明，该方法能够有效地判别往复机械故障，并具有更高的准确率和稳定性。未来工作可以进一步完善该方法并应用于实际生产中。
5.参考文献
[1]李笑，秦志远.基于多尺度频率能量分析的往复机械故障诊断方法[J].大连理工大学学报，2017，57（6）：99-104.
[2]张源，王杰，刘刚.基于小波分析和支持向量机的往复机械故障诊断研究[J].机电工程，2018，35（1）：65-69.
[3]黄子恒，赵亚军.基于改进经验模态分解的颗粒流沉积物浓度预测[J].测控技术，2019，38（1）：118-122.