基于EEMD的滚动轴承故障诊断

作者：陈强强; 戴邵武; 毕新乐

来源：计算机仿真, 2021, 38(02): 361-369.

• 集合经验模态分解
• 模糊熵
• 滚动轴承
• 故障诊断
• 支持向量机

模糊熵是一种检测时间序列复杂程度的方法,在衡量时间序列复杂性方面具有广泛应用。由于机械系统的复杂性,振动信号的随机性表现在不同尺度上,因此需要对振动信号进行多尺度的模糊熵分析。基于此提出了基于集合经验模态分解和模糊熵的滚动轴承故障诊断方法。首先,通过集合经验模态分解将振动信号自适应的分解为多个不同尺度下的内禀模态函数;然后,计算包含主要故障信息的内禀模态函数的模糊熵值。最后,将熵值作为特征向量,输入至基于优化支持向量机的分类器中。将上述方法应用于滚动轴承实验数据,分析结果表明,上述方法可有效实现滚动轴承的故障诊断。