论文部分内容阅读
作为旋转机械中使用最普遍的关键组件—滚动轴承,其状况对它所支撑的转子甚至整台设备的正常运转具有重要的影响作用。滚动轴承故障的发展具有一个由轻微到严重的变化过程,准确及时地识别出运行过程中滚动轴承的退化状态,可以合理指导制定性能检查和替换维护计划,对提高整个机械设备运行的可靠性具有重要的意义。本论文中采用改进的集合经验模态分解(EEMD)和支持向量机(SVM)相结合的方法进行滚动轴承的退化状态识别。EEMD法能将信号自适应地分解到不同的尺度上,特别适合对于非稳定、非线性的信号进行处理。本文采用的改进E