基于EMD-SVD与马田系统的复杂系统健康状态评估

发布时间：2021-03-29 07:05

　　特征提取和健康状态的辨识是复杂系统健康状态评估中的关键问题。提出一种新的健康状态评估方法,该方法分为3个步骤:首先,采用经验模态分解（empirical model decomposition,EMD）和奇异值分解（singular value decomposition,SVD）来提取振动信号的特征变量。然后,运用马田系统（Mahalanobis-Taguchi system,MTS）构造马氏空间,并对其进行优化,从而降低特征变量的维度。最后,提出了一种健康度（health index,HI）的概念,并且用来对复杂系统健康问题进行评估。该方法成功地应用在轴承的健康状态评估中。 

【文章来源】：系统工程与电子技术. 2017,39(07)北大核心EICSCD

【文章页数】：7 页

【文章目录】：
0 引言
1 问题描述
2 健康状态评估方法
    2.1 特征提取
        2.1.1 EMD方法
        2.1.2 SVD特征提取
    2.2 特征分量的筛选
        2.2.1 确立马氏空间
        2.2.2 验证马氏空间
        2.2.3 马氏空间的优化
    2.3 计算健康指数
3 实验与分析
4 结论


【参考文献】：
期刊论文
[1]基于综合健康指数与RVM的系统级失效预测[J]. 陈雄姿,于劲松,陆文高,李行善.  系统工程与电子技术. 2015(10)
[2]基于全方位优化算法的改进马田系统分类方法[J]. 牛俊磊,程龙生.  系统工程理论与实践. 2012(06)
[3]基于经验模态分解的超声波管外测压信号去噪[J]. 孙凌逸,黄先祥,蔡伟,杨志勇.  声学技术. 2011(05)

博士论文
[1]基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D]. 肖文斌.上海交通大学 2011



本文编号：3107140