陈凤林，刘永斌，2，方 健，许 强

（1.安徽大学电气工程与自动化学院，合肥230039；2.中国科学技术大学精密机械与精密仪器系，合肥230027）

·开发研究与工程应用·

基于EMD与JADE的设备状态特征提取方法

陈凤林1，刘永斌1，2，方 健1，许 强1

（1.安徽大学电气工程与自动化学院，合肥230039；2.中国科学技术大学精密机械与精密仪器系，合肥230027）

针对机械设备在不同状态下振动信号频率特性的差异，基于经验模式分解（EMD）与特征矩阵联合近似对角化的方法提取设备状态特征参数。采用EMD将信号分解为不同频率成分，计算不同频段信号的频域相关系数，构造信号谱相关特征矩阵，运用联合相似对角化方法对特征矩阵降维，提取设备状态特征参数，研究机械设备故障诊断方法。使用实验实测信号进行验证，并基于支持向量机方法对滚动轴承4种状态特征进行识别，结果表明，该方法提取的特征参数分类正确率达到95%以上，可以有效表征设备状态。

特征提取；故障诊断；经验模态分解；特征矩阵联合相似对角化；谱相关；支持向量机

中文引用格式：陈凤林，刘永斌，方 健，等.基于 EMD与JADE的设备状态特征提取方法［J］.计算机工程，2015，41（7）：305⁃309.

英文引用格式：Chen Fenglin，Liu Yongbin，Fang Jian，et al.Machine Status Feature Extraction Method Based on EMD and JADE［J］.Computer Engineering，2015，41（7）：305⁃309.

1 概述

在机械设备故障诊断中，能否准确地提取出故障特征是诊断的关键。目前振动信号的时域、频域和时频域特征提取技术得到了很大发展，人们为了准确有效地进行故障诊断与判别，常采用时域和频域的特征参数进行综合评价，但是采用过多特征参数会影响模式分类的计算代价甚至分类精度［1］，而个别特征参数又很难精确表征设备的状态。……