EEMD联合SOM的电机滚动轴承故障诊断

• 作者: 付振芳 曾璇 李国华
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 集合经验模态分解 能量矩 SOM
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 87-91
• 页数: 5页
• 分类号: TM30
• 字数: 3784字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.04.016

摘要

针对电机轴承振动信号的非平稳性、提取的信号不精确的特点,提出一种集合经验模态分解(Ensemble Em-pirical Mode Decomposition,EEMD)、能量矩的特征提取方法与自组织特征映射网络(Self-organizing Maps,SOM)相结合的故障诊断方法.首先利用EEMD处理原始振动信号,将其分解成一系列具有不同特征时间尺度的固有模态分量(Intrinsic Mode Function,IMF).由于轴承状态变化,在不同频带下IMF的特征随时间尺度和能量分布的不同而不同,由于能量矩能准确得到IMF的变化能量,故计算出各阶IMF的能量矩构造故障特征向量.其次,利用故障特征向量作为输入来构建SOM网络进行故障识别.最后通过轴承实验验证该方法的正确性.结果表明,该方法采用有限的训练样本就可以快速、准确地诊断滚动轴承故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国华	辽宁工程技术大学电气与控制工程学院	29	180	7.0	12.0
5	付振芳	辽宁工程技术大学电气与控制工程学院	1	0	0.0	0.0
6	曾璇		1	0	0.0	0.0