关键词：熵融合 故障诊断 

摘要：为提高电机轴承故障诊断的准确性,提出了一种基于极点对称模态分解算法(Extreme-point Symmetric Mode Decomposition,ESMD)熵融合与粒子群算法(PSO)优化支持向量机(SVM)的诊断方法。首先采用ESMD将故障数据分解获得数个固有模态分量(Intrinsic Mode Function,IMF),根据相关性筛选IMF并计算其多种特征熵;采用核主成分分析(KPCA)用于融合特征熵,增大区分度;利用PSO寻优SVM参数,提高故障识别率。最后通过试验分析表明,该方法可有效提取电机轴承故障特征并精确判别出故障类型,与其它方法相比识别率较高。

大电机技术杂志要求:

{1}作者姓名置于篇名下方居中。译文的署名，应著者在前，译者在后，著者前用方括号标明国籍。

{2}稿件必须用字规范，标点符号、计量单位、数字用法、图表等应符合国家有关标准和规定。

{3}请勿一稿多投，自投稿之日起1个月内未收到采用意见，作者可自行处理。

{4}文章标题应简明、确切、概括文章要旨，一般不超过20字，必要时可加副标题名。

{5}中文摘要一般限在200字以内，包括研究工作的主要对象和范围，采用的手段和方法，得出的结果和重要的结论，关键词一般3~5个。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社