摘要
针对滚动轴承早期故障信号淹没在噪声中、故障特征难以精确提取、故障类别难以准确区分的问题,提出一种将自适应噪声的完备集成经验模态分解(CEEMDAN)与混合优化算法相结合的新方法。首先对经过奇异值降噪的故障信号进行CEEMDAN分解,得到一系列IMF分量,之后求得每个IMF分量的峭度、均方差和样本熵。为了选出最适合做故障特征提取的IMF分量,将最终分类错误率作为优化算法的适应度函数,优化以上三者的权重,最终得到对应不同类型故障的权重值和最高分类准确度。结果表明,该方法解决了不同类型的轴承故障信号在分解后IMF分量难以选择的问题,用该方法提取故障特征后,故障分类平均准确率高达97.2%。
- 单位