多维度能量熵提取的不同负载下电机轴承故障诊断

作者：唐鸣; 王爱元^*; 朱振田

来源：电机与控制应用, 2023, 50(09): 63-69.

• 轴承故障诊断
• 变分模态分解
• 三维能量熵
• 卷积神经网络

为了提高电机轴承故障诊断的准确率，针对电机轴承故障不稳定的振动信号及故障特征提取困难问题，提出了一种基于变分模态分解(VMD)能量熵与卷积神经网络(CNN)相结合的电机轴承故障诊断方法。为了使故障的特征更精确地体现出来，采取三维度的能量熵提取办法，将轴承故障分为内圈磨损、外圈磨损和保持架断裂三类，然后每个类别再细分为负载为0%、25%和50%三种情况，共9种情况。利用VMD方法将故障信号分解得到内禀模态函数(IMF)的分量并提取各个维度IMF的能量熵值从而构成特征向量。结果表明该方法可以有效提高故障诊断正确率。

• 单位
  上海电机学院; 电气学院