基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

• 作者: 李丽娟 窦东阳 赵英凯
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 集合经验模式分解 Renyi熵 主元分析 概率神经网络
• 年，卷（期）: 2011,（z1）
• 页码范围: 107-111
• 分类号: TP206|TH17
• 字数: 4189字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2011.S1.023

摘要

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概率神经网络进行故障分类.通过SKF6203轴承的正常、内圈点蚀、外圈点蚀和滚动体点蚀这4类状态的诊断实验验证了方法的有效性,诊断正确率为91.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李丽娟	南京工业大学自动化与电气工程学院	54	285	9.0	13.0
2	赵英凯	南京工业大学自动化与电气工程学院	116	1452	17.0	33.0
3	窦东阳	中国矿业大学化工学院	17	103	5.0	9.0