应用CEEMD能量矩和PSO-PNN的轴承故障诊断

作者：刘福政; 高军伟

来源：现代制造工程, 2020, (11): 120-98.

DOI：10.16731/j.cnki.1671-3133.2020.11.018

• 互补集合经验模态分解
• 能量矩
• 粒子群算法
• 概率神经网络
• 轴承故障诊断

为了解决传统方法对滚动轴承中振动信号特征提取效果不理想和PNN模型中的平滑因子没有合适方法确定,从而导致故障类型识别准确度不高的问题,提出了一种CEEMD能量矩和PSO算法优化PNN模型相结合的故障诊断算法,来改善特征提取效果以及提高诊断精度。首先通过CEEMD法,将振动信号分解为多个固有模态函数(IMF),并对其进行时间轴的积分,从而获得能够较准确地区分不同信号特性的能量矩特征向量;其次,通过引入PSO算法来进行迭代优化,解决了PNN模型中的平滑因子具有任意性和不确定性的选取问题。通过MATLAB软件仿真结果可以看出,该方法能够较准确地提取振动信号的特征并对故障进行有效的分类,它的可靠性较PNN模型有所提高,诊断正确率可以达到98.5%。

• 单位
  自动化学院; 青岛大学