摘要

针对航空发动机中介轴承故障信号传递结构复杂且路径长、信噪比低的问题,提出了一种基于核主元分析(KPCA)与随机森林(Random Forest)相结合的故障诊断新方法,利用EEMD处理非线性信号的优势进行信号分析。首先,将采集的声发射信号分解成多个IMF分量,为兼顾时域和频域信息,提取各个IMF分量的样本熵(SampEn)和奇异熵(SingEn)作为各层信号的时频特征。利用KPCA将各分量的样本熵和奇异熵融合,并降低维度得到体现时频信息的数据样本,最后训练出以随机森林为模型的多类分类器。研究表明,基于KPCA信息融合与随机森林的中介轴承故障方法有效,故障识别准确率可达95%以上。