基于IMF特征提取的滚动轴承故障诊断

• 作者: 戴洪德 戴邵武 聂子健 陈强强
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障诊断 经验模态分解 模糊熵 滚动轴承 优化支持向量机
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 46-50
• 页数: 5页
• 分类号: TN911.7
• 字数: 3781字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.01.010

摘要

滚动轴承故障诊断的关键是敏感故障特征的提取.模糊熵(Fuzzy Entropy,FE)是一种检测时间序列复杂程度的方法,已广泛应用于故障诊断.由于机械系统的复杂性,振动信号的随机性表现在不同尺度上,因此需要对振动信号进行多尺度的模糊熵分析.在此基础上,提出了基于经验模态分解(Empirical Mode Decompose,EMD)和模糊熵的滚动轴承故障诊断方法.首先,采用EMD方法对振动信号进行分解,得到不同尺度的内禀模态函数(Intrinsic Mode Function,IMF)并计算包含主要故障信息的IMF分量的模糊熵;其次,对IMF分量的模糊熵值进行基于样本分位数的特征提取;最后,将分位数值作为特征向量,输入基于优化算法的支持向量机.将该方法应用于滚动轴承实验数据,分析结果表明,此方法可有效实现滚动轴承的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴洪德		63	224	8.0	12.0
2	戴邵武		89	376	9.0	15.0
3	陈强强		10	15	2.0	3.0