基于总体平均经验模式分解近似熵和混合PSO-BP算法的轴承故障诊断方法

• 作者: 姜万录 宿新爽 张淑清 胡永涛 陆超 黄文静
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 轴承 故障诊断 总体平均经验模式分解 近似熵 混合粒子群神经网络
• 年，卷（期）: 2016,（22）
• 所属期刊栏目: 信息技术
• 页码范围: 3048-3053,3054
• 页数: 7页
• 分类号: TH17
• 字数: 4710字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2016.22.012

摘要

针对机械系统的非平稳、非线性特性，提出了一种基于总体平均经验模式分解(EEMD)近似熵和混合PSO-BP算法的轴承故障诊断方法.EEMD 能够解决 EMD 的端点效应，改善处理非线性信号时的局限性；引入随机权重和压缩因子来改进粒子群算法，优化BP 神经网络的权值和阈值，解决BP网络的全局收敛问题.将信号经EEMD得到的IMF分量与近似熵结合，组成特征向量，再将构造的特征向量输入到PSO-BP神经网络中进行模式识别.实验及工程应用实例证明了该方法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜万录	燕山大学河北省测试计量技术及仪器重点实验室	138	1777	24.0	35.0
2	张淑清	燕山大学河北省测试计量技术及仪器重点实验室	81	1525	21.0	36.0
3	胡永涛	燕山大学河北省测试计量技术及仪器重点实验室	13	149	8.0	12.0
4	陆超	燕山大学河北省测试计量技术及仪器重点实验室	2	34	2.0	2.0
5	黄文静	燕山大学河北省测试计量技术及仪器重点实验室	1	10	1.0	1.0
6	宿新爽	燕山大学河北省测试计量技术及仪器重点实验室	5	63	3.0	5.0