胡桥1,何正嘉2,张周锁1,訾艳阳1
（1.西安交通大学机械工程学院，710049,西安；2.西安交通大学机械制造系统工程国家重点实验室, 710049,西安）
摘要：为解决机械故障小样本模式识别问题,有效地提高分类的准确率,提出了一种基于经验模式分解模糊特征提取的支持向量机混合诊断模型.该模型通过对信号进行经验模式分解,提取信号的本征模式分量并转化为模糊特征向量，对机器故障进行诊断，然后将模糊特征向量输入到多分类的支持向量机中,实现了对机器不同故障类型的识别.将该模型应用于汽轮发电机组的3种工作状态的识别中,测试结果表明,同原有的未经过任何特征提取以及经过小波包模糊特征提取的2种多分类支持向量机方法相比,该模型将分类准确率从原有的53.33％和86.67％提高到100％,有效地改善了分类的准确性.同时,该模型还为汽轮发电机组的故障确诊提供了有力依据.
关键词：经验模式分解;支持向量机;模糊特征提取;混合诊断
中图分类号：TH17;TP18文献标识码：A文章编号： 0253987X（2005）03029005