基于MEEMD-DHENN的滚动轴承故障诊断

• 作者: 牛永朝 王忠强 王晋瑞 谢丽蓉
• 来源期刊: 机械传动
• 关键词: 滚动轴承 故障诊断 改进的经验模态分解 双隐层Elman神经网络
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 开发应用
• 页码范围: 139-143
• 页数: 5页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.03.029

摘要

针对滚动轴承故障信号非平稳、非线性的特点,提出了把改进的经验模态分解(Modified Ensemble EMD,MEEMD)与双隐层Elman神经网络(Double Hidden-layer Elman Neural Network,DHENN)相结合识别故障类型的方法.用MEEMD选出主要本征模态函数(Principal Intrinsic Mode Function,PIMF),先计算出经补充的总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)得到的各IMF的排列熵值,剔除虚假分量;再对其余分量进行重构用经验模态分解(Empirical mode decomposition,EMD),计算各IMF的方差贡献率,排除贡献率最小的,即为PIMF,经希尔伯特变换求出其能量熵值,构成特征矩阵.构建了双隐层Elman神经网络对故障类型进行识别,通过经验公式与实验得到最佳隐层节点组合,最后与EMD-DHENN和MEEMD-ENN的测试结果相对比,表明基于MEEMD-DHENN识别方法只需迭代26步即可对轴承故障准确分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢丽蓉		82	395	11.0	18.0
2	牛永朝		6	10	2.0	3.0
3	王晋瑞		6	16	3.0	4.0
4	王忠强		3	8	2.0	2.0