作者：黄雪梅故障诊断灰度共生矩阵经验模式分解投影图像
摘要：提出了一种基于本征模式分量投影图像分析的滚动轴承故障诊断方法,实现了滚动轴承故障的状态识别与程度识别,首先,依托经验模式分解方法（Empirical Mode Decomposition,EMD）对轴承故障信号进行分析,获取故障本征模式分量（Intrinsic Mode Function,IMF）;其次,构建各个本征模式分量的时频三维灰度投影图像,引入基于灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）的纹理特征对三维投影图像进行分析;最后,通过主成分分析进一步压缩特征维度,并结合支持向量机（Support Vector Machine,SVM）实现了滚动轴承的故障诊断。研究从图像特征角度实现故障诊断,丰富了现有振动信号故障特征获取方法,实现了滚动轴承故障的状态识别与程度识别。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
