基于改进EEMD的卷积神经网络滚动轴承故障诊断

• 作者: 丁海斌 何江江 张保山 李孝全 赵玉伟
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 集合经验模态分解 卷积神经网络 故障诊断
• 年，卷（期）: 2020,（1）
• 页码范围: 82-89
• 页数: 8页
• 分类号: TN911
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2020.01.009

摘要

集合经验模态分解(EEMD,ensemble empirical mode decomposition)对信号进行分解,得到的模态函数(IMF,Intrinsic model function)在2 端点存在严重的发散现象,如果将分解结果直接应用到故障诊断系统中,会导致诊断的准确率下降.首先将支持向量机(SVM,support vector machine)和EEMD算法结合进行信号分解,并利用仿真信号进行可靠性分析;其次对SVM(support rector machine)-EEMD分解的分量进行选择后再分解并构建能量向量,最后和卷积神经网络结合,构建滚动轴承故障诊断模型并通过实验验证.结果表明,改进EEMD算法可以有效缓解端点发散问题,构建的故障诊断模型提高了故障诊断精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李孝全	空军工程大学防空反导学院	34	145	7.0	10.0
2	赵玉伟	空军工程大学防空反导学院	4	1	1.0	1.0
3	何江江	空军工程大学研究生院	1	0	0.0	0.0