基于改进EMD的滚动轴承故障特征提取方法

• 作者: 付子义 吴彤 高彩霞
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 滚动轴承 故障识别 经验模态分解 灰色关联度
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 156-160
• 页数: 5页
• 分类号: TP319
• 字数: 3846字
• 语种: 中文
• DOI: 10.11907/rjdk.181648

摘要

针对滚动轴承早期故障信号微弱、背景噪声强、故障特征难以提取的特点,提出一种基于包络谱灰色关联度改进的经验模态分解(Empirical Mode Decomposition,EMD)特征提取方法.首先,用EMD将原始振动信号分解成若干本征模函数(intrinsic mode function,IM F)分量,计算原始信号及分解后各阶IM F分量的包络谱;然后,用灰色关联度分析计算原始信号包络谱与IM F分量包络谱之间的关联度,以包络谱关联度大小筛选IM F分量进行加权;最后,对加权的IMF分量计算能量、峭度、偏度形成特征集,通过主元分析(Principal Component Analysis,PCA)降维后输入概率神经网络(Probabilistic Neural Network,PNN)进行故障状态识别.该方法利用包络谱灰色关联度有针对性地筛选出对故障特征敏感的IM F分量,相比于单纯利用线性关系大小筛选IM F分量的相关性分析更具针对性.对滚动轴承4种故障状态早期故障信号进行识别,准确率为97.5％,表明该方法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高彩霞	河南理工大学电气工程与自动化学院	28	113	5.0	9.0
2	付子义	河南理工大学电气工程与自动化学院	78	279	9.0	13.0
3	吴彤	河南理工大学电气工程与自动化学院	4	6	2.0	2.0