基于ICEEMDAN与SVM的轴承故障诊断研究

为了有效提高支持向量机(SVM)在轴承故障模型诊断识别中的故障识别率，提出了一种基于改进自适应白噪声的完备集成经验模态分解方法(ICEEMDAN)和支持向量机(SVM)相互结合的故障诊断识别方法。用ICEEMDAN对原始振动信号分解成若干IMFS(本征模态函数);利用相关系数方法选取有效性的IMFS进行信号重构，再把重构信号的特征向量输入SVM进行故障识别；利用美国凯斯西储大学的轴承实验数据验证了该模型的诊断有效性。结果表明：该方法能够有效提高滚动轴承故障诊断准确率。