基于CEEMD和小波核极限学习机的轴承故障诊断

• 作者: 敖银辉 邹剑晖
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 补充集合经验模态分解 多尺度熵 小波核极限学习机
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 控制与检测
• 页码范围: 74-77,82
• 页数: 5页
• 分类号: TH133.3|TG502
• 字数: 4052字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2019.11.019

摘要

针对滚动轴承故障信号一般为非线性、非平稳信号的特点,以及故障频率难以提取的问题,提出了基于补充集合经验模态分解(CEEMD)和小波核极限学习机(WKELM)的滚动轴承故障诊断方法.针对轴承运行中的振动测试信号,首先利用CEEMD对原始信号进行分解,得到若干个特征分量(IMF),利用相关系数法筛选和重构IMF分量,求解各分量的多尺度熵(MSE).经过对重构信号的包络谱分析可以证明相关特征可反映原信号的故障频率,然后将多尺度熵作为特征向量输入到WKELM中进行训练和测试.实验结果显示,该方法诊断时间为0.1015s,精度达到97.96％,相较支持向量机和BP神经网络诊断方法更有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	敖银辉	广东工业大学机电工程学院	62	389	12.0	17.0
2	邹剑晖	广东工业大学机电工程学院	1	0	0.0	0.0