周小龙，杨恭勇，梁秀霞，李家飞

(1.东北电力大学 工程训练教学中心，吉林 吉林 132012；2.河南信宇石油机械制造股份有限公司，河南 濮阳 457001)

基于EMD重构和SVM的滚动轴承故障诊断方法研究

周小龙1，杨恭勇1，梁秀霞2，李家飞2

(1.东北电力大学 工程训练教学中心，吉林 吉林 132012；2.河南信宇石油机械制造股份有限公司，河南 濮阳 457001)

针对滚动轴承振动信号非平稳性和故障特征难以提取的问题，提出一种基于经验模态分解重构和支持向量机相结合的故障诊断方法。首先，采用经验模态分解，将滚动轴承振动信号分解成一系列固有模态函数；其次，根据伪固有模态函数剔除法选取对故障特征敏感的模态函数进行信号重构；最后，以重构信号的有效值和峭度值作为支持向量机分类器的输入来识别滚动轴承的工作状态和故障类型。试验结果表明，该方法能有效地识别和诊断出滚动轴承的运行状态和故障类型，具有很高的工程实用价值。

经验模态分解；固有模态函数；支持向量机；滚动轴承；故障诊断

滚动轴承是机械设备中的重要组成部件，它的工作状态将直接影响到机械设备的运行质量[1]。据统计，在旋转机械故障中有30%是由滚动轴承故障所引起的。当滚动轴承存在故障时，其振动信号往往表现出非平稳的时变特性[2]，利用传统的平稳信号处理方法无法很难从该类信号中获得良好的分析效果。

经验模态分解[3](Empirical mode decomposition，EMD)方法是近年来一种处理非线性和非平稳信号的有效方法。……