基于EEMD和CNN-SVM的滚动轴承故障诊断

作者：朱俊杰; 张清华^*; 朱冠华; 苏乃权

来源：机床与液压, 2023, 1-9.

• 滚动轴承
• 集合经验模态分解
• 卷积神经网络
• 故障诊断

针对滚动轴承振动信号易受到外界噪声干扰，传统的故障诊断方法难以提取故障特征以及准确率低等问题，提出一种基于集合经验模态分解（EEMD）和卷积神经网络结合支持向量机（CNN-SVM）的滚动轴承故障诊断方法。首先利用EEMD算法对原始振动信号进行分解得到本征模态函数（IMF）分量，再由皮尔森相关系数筛选最佳分量进行信号重构，得到降噪后的振动信号；然后将重构降噪后的振动信号转换为二维特征图输入卷积神经网络进行训练提取特征；最后将提取到的稀疏代表特征向量输入到支持向量机进行故障分类。实验结果表明：所提方法能够有效降低噪声干扰，便于提取故障特征，与传统的故障诊断方法相比准确率更高，改进后的模型诊断速度更快。

• 单位
  吉林化工学院; 广东石油化工学院; 自动化学院