基于改进EMD样本熵和SVM的风机滚动轴承故障诊断

作者：张韦; 张永; 骈晓琴; 苏赫^*; 蔺相东

来源：机电工程技术, 2021, 50(12): 38-67.

• 滚动轴承
• EEMD分解
• 样本熵
• SVM
• 故障诊断

风机齿轮箱振动信号成分复杂,而经验模态分解(EMD)在故障诊断中存在模态混叠和端点效应问题。针对此问题,研究了一种EEMD样本熵和高斯径向基核函数的SVM分类器的滚动轴承故障诊断方法。以风机齿轮箱滚动轴承为研究对象,提取了内圈故障、外圈故障、滚动体故障和正常轴承4种状态振动信号,利用EEMD和小波分别对振动信号分解降噪并筛选主要IMF分量;计算前4阶IMF分量的样本熵作为特征向量;最后将特征向量输入高斯径向基核函数的SVM模型进行故障识别。结果表明:EEMD算法对端点效应和模态混叠都有一定抑制作用,EEMD样本熵和SVM相结合可有效识别滚动轴承故障类型,故障识别率为97.5%,为工程应用中风机齿轮箱滚动轴承故障诊断提供参考。

• 单位
  内蒙古农业大学; 内蒙古医科大学附属医院; 机电工程学院