基于K-L散度的VMD瞬时能量与PNN的滚动轴承故障诊断

• 作者: 宋智勇 徐统 李颖 王红军
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 变分模态分解 瞬时能量 K-L散度 概率神经网络 滚动轴承故障诊断
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 117-123
• 页数: 7页
• 分类号: TH17|TN911
• 语种: 中文
• DOI: 10.13382/j.jemi.B1801857

摘要

针对滚动轴承失效模式的有效识别,提出了基于K-L散度的变分模态分解(VMD)的瞬时能量与概率神经网络(PNN)的滚动故障轴承故障诊断方法.首先,利用VMD将滚动轴承信号进行分解成若干个本征模态函数(IMF);然后,分别计算原始信号和每个IMF分量的K-L值,并选择具有较小的K-L值的两个IMF分量以计算其瞬时能量并组成特征向量;最后,将特征向量输入到PNN实现故障模式识别.通过对滚动轴承故障诊断实验对该方法进行验证,结果表明,基于K-L散度的VMD瞬时能量与PNN的滚动故障轴承故障诊断准确率高达100％,将所提的方法与通过峭度准则选择VMD分量的瞬时能量和通过K-L散度值选择的集合经验模态分解(EEMD)分量与PNN网络相结合的诊断方法作对比,则明显高于其他两种方法,证明了所提方法的可行性.