基于EMD-AR与改进宽度学习系统的滚动轴承故障诊断方法

作者：于春雨; 张文韬; 张庆海; 陈佳伟; 欧阳福浩

来源：中国电机工程学报, 2023, 43(22): 8944-8955.

DOI：10.13334/j.0258-8013.pcsee.221498

• 滚动轴承
• 旋转机械
• 故障诊断
• 故障特征提取
• 宽度学习系统

滚动轴承内、外圈和滚动体的故障振动信号通常伴随噪声，并且频率不尽相同，同时具有非线性、非平稳性等特点，传统的滚动轴承故障诊断方法效率较低，且大多未考虑变负载、噪声情况。针对上述问题，提出基于经验模态分解自回归模型和改进的宽度学习系统(broad learning system,BLS)的滚动轴承故障诊断方法。首先，对滚动轴承振动信号进行经验模态分解(empirical mode decomposition,EMD)，得到一组固有模态函数(intrinsic mode function,IMF)；对每个IMF建立自回归(autoregressive model,AR)模型，求得AR模型参数和残差余项，以此作为各类状态信号的特征矩阵；将该特征矩阵输入至改进的BLS，判断滚动轴承的故障位置及故障尺寸，实现滚动轴承的故障诊断与定位；并将该方法应用于变负载、有噪声工况下滚动轴承故障诊断与定位。同时设计2种对比方法，并将所提方法与两种对比方法的预测结果进行比较，实验结果表明所提方法诊断识别能力更强，为变负载、有噪声工况下的滚动轴承故障诊断与定位提供参考。

• 单位
  青岛理工大学