基于集合经验模态分解的滚动轴承智能故障诊断方法

摘要：

针对滚动轴承工作环境中含有强烈的环境噪声,其振动信号具有非平稳、非线性特征以及提取特征困难等问题,本文提出一种基于集合经验模态分解(EEMD)的滚动轴承智能故障诊断方法.首先通过卷积神经网络(CNN)提取振动信号关键特征,并将提取到的特征向量输入到支持向量机(SVM)中进行故障识别与分类.为了提高诊断性能,本文利用集合经验模态分解方法对原始振动信号进行分解,将复杂的振动信号分解为仅包含单一成分的本征模态分量(IMF),然后利用一维卷积神经网络对IMF进行特征提取,最后采用SVM进行分类.结果 表明,所提出的方法相比于现有方法收敛速度更快,诊断正确率可高达99％,突出了该方法的优越性.

关键词：故障诊断、滚动轴承、集合经验模态分解(EEMD)、卷积神经网络(CNN)、支持向量机(SVM)

所属期刊栏目：31

分类号：TH165+.3;TP206+.3;TP391

资助基金：国家自然科学基金;国家科技重大专项

在线出版日期：2021-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：559-568