EEMD (Ensemble Empirical Mode Decomposition), 구름 모델 및 SVM (Support Vector Machine)의 결합을 기반으로 한 터빈 로터 다중 고장 진단 방법이 제안되었습니다. 이 방법에서 먼저 EEMD를 사용하여 진동 신호를 여러 개의 IMF 구성 요소로 분해 한 다음 IMF 구성 요소를 선택하기 위해 상관 계수 방법을 사용하고 이후에는 IMF 구성 요소를 역설정하여 필터링 한 다음 숫자적 특성을 얻고 특성 벡터를 구성하고 이를 SVM에서 다중 로터 고장 상태 인식에 적용하여 전통적인 EEMD 에너지 방법과 비교합니다. 결과는이 방법이 로터 다중 고장을 정확하게 진단 할 수 있으며 더 높은 인식률을 가지고 있음을 보여줍니다.

로터; 고장 진단; 앙상블 경험적 모드 분해; 구름 모델; 지지 벡터 머신; 특성 벡터