基于EMD及改进PSO_BP的电机轴承故障诊断

• 作者: 宋冬利 张卫华 董俭雄 邓聪 陈之恒
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: EMD 时域特征参数 PSO BP神经网络 故障诊断
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 试验与测试
• 页码范围: 33-38,125
• 页数: 7页
• 分类号: TH133.33|TP319.4
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.11.325

摘要

针对电机轴承故障模式识别和分类问题,提出了采用EMD(Empirical Mode Decomposition)作为振动信号特征提取的方法,并利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法来优化BP神经网络,得到性能优异的分类器,以实现电机轴承的故障模式分类.首先利用EMD将原始电机振动信号分解为8个阶次的IMF(Intrinsic Mode Function)分量,计算每个IMF的能量,并求其占比.分析得到前6阶IMF能量占比在前99％以内,故选取前6阶IMF分量并结合原始振动信号的时域特征参数(峰值因子、波形因子、裕度指标),得到9维特征参数矩阵.并对获得的特征参数进行主成分分析,以验证特征参数提取的有效性.然后将基于EMD方法的特征参数矩阵作为改进PSO_BP(Particle Swarm Opti-mization with Back Propagation Neural Network)方法的输入向量,对不同载荷与转速工况下的电机轴承进行故障模式识别.结果表明,基于EMD和改进PSO_BP的方法能够很好地提高电机轴承故障模式识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张卫华		339	5616	37.0	55.0
2	宋冬利		32	181	7.0	12.0
3	陈之恒		1	0	0.0	0.0
4	邓聪		1	0	0.0	0.0
5	董俭雄		1	0	0.0	0.0