基于EMD和SVM的传感器故障诊断方法(20字以内)(二号黑体)题目冯志刚1,王祁2,信太克规2(四号楷体)作者名(,沈阳110136,fzg1023@;,哈尔滨150001)摘要:为了解决自确认压力传感器的故障诊断问题,提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数(IMF),对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型。通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中。关键词:经验模态分解;支持向量机;特征提取;传感器故障诊断中图分类号:TH133;positionandsupportvectormachinesFENGZhi-gang1,WANGQi2,SHIDAKatsunori2(,ShenyangInstituteofAeronauticalengineering,Shenyang110136,China,fzg1023@;,HarbinInstituteofTechnology,Harbin150001,China)Abstract:Tosolvethefaultdiagnosisproblemofself-validatingpressuresensor,position(EMD)methodandsupportvectormachines(SVM)(,,ponent,ponentarecalculated,,thesupportvectormachinesformulti-:position;Supportvectormachines;Featureextraction;Sensorfaultdiagnosis此时,传感器输出信号是非平稳的,信号频率成分比较丰富,采用单纯的时域分析或者频域分析都不能有效的检测出信号的故障特征。为此国内外学者将时-频分析方法应用于传感器故障信号的特征提取中,文献[
《哈尔滨工业大学学报》投稿模板 来自淘豆网www.taodocs.com转载请标明出处.