CEEMDAN能量熵与贝叶斯网络相结合的电机轴承故障诊断

作者：仝兆景; 李金香^*; 乔征瑞; 兰孟月; 荆利菲

来源：机械科学与技术, 2023, 1-9.

DOI：10.13433/j.cnki.1003-8728.20230295

• CEEMDAN
• 能量熵
• 轴承
• 贝叶斯网络
• 麻雀搜索算法

为优化贝叶斯网络(BNs)结构，提高基于BNs的轴承故障识别精度，提出一种完全集成经验模态分解（CEEMDAN）能量熵与贝叶斯网络相结合的故障诊断方法。该方法以CEEMDAN能量熵描述轴承故障特征的不确定性，采用小波阈值对轴承原始振动信号进行降噪处理，可减少噪声干扰；将相关系数和方差贡献率作为筛选特征分量的指标，从而计算出特征分量的能量熵。引入反动态权重因子优化麻雀搜索算法(SSA)发现者的位置更新；采用遗传算法的交叉和变异思想提高SSA的全局寻优能力和收敛性，通过种群迭代更新寻找最优BNs结构；将提取的特征输入GSSA优化的BNs诊断模型进行故障诊断和分类。通过实验研究，轴承十类故障状态下的能量熵识别度高，提取的故障特征更加明显，与其他算法相比较，GSSA-BNs诊断的准确率更高，识别率可达99.5% 。

• 单位
  自动化学院; 河南理工大学