数据驱动算法在旋转机械故障诊断中的应用研究

摘要：

传统故障诊断方法依赖于先验数据与模型,具有局限性.为解决此问题,提出一种基于数据驱动的旋转机械故障诊断方法.利用经验模式分解(EMD)算法拆分原始故障信号,得到有限个IMF分量,优化现有EMD算法得到最优的截断阈值,并有效分离系统噪声干扰;从多域量化角度提取故障信号的时域、 频域特征,并基于EMD样本熵实现对去噪旋转机械故障信号中故障点特征的分类与识别.仿真结果表明:所提出的数据驱动算法能够准确地识别出不同载荷条件下的故障信号微弱特征,具有更高的训练精度和故障诊断精度.

关键词：数据驱动、旋转机械故障、经验模式分解、特征提取、样本熵

所属期刊栏目：48

分类号：TH165

资助基金：2018年教育部科技发展中心"天诚汇智"创新促教基金课题;2018年度广东省普通高校重点科研平台和科研项目

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：218-223