针对滚动轴承故障状态识别问题，提出一种基于经验模态分解(EMD)、包络谱、主成分分析(PCA)和概率神经网络(PNN)的方法。首先利用EMD把轴承振动信号分解得到多个本征模函数(IMF)和残余项，并选取适当的IMF提取6个时域、5个频域指标构建无量纲故障特征集，然后通过PCA对高维故障特征集降维获取主成分，结合PNN实现故障状态识别。SKF6203轴承正常、外圈故障、滚动体故障以及内圈故障4种状态识别实验结果表明，故障识别准确率为91.25%，且诊断过程解释性强。
科研之友
微信
新浪微博
Facebook
分享链接
