基于双流降维EEMD-CNN滚动轴承故障诊断

作者：郭梓良; 郝如江; 王一帆; 杨文哲; 赵瑞祥

来源：国防交通工程与技术, 2022, 20(06): 30-33.

DOI：10.13219/j.gjgyat.2022.06.008

• 滚动轴承
• 故障诊断
• EEMD-PCA
• 一维卷积神经网络(1D-CNN)

为了提高滚动轴承故障分类的准确率，提出了一种将EEMD与一维卷积神经网络(1D-CNN)相结合的滚动轴承故障识别方法。首先利用EEMD算法将轴承故障振动信号分解为若干条IMF分量，筛选确定可以充分体现故障类型的IMF分量，将原始数据和筛选出的IMF分量分别采用主成分分析算法(PCA)进行降维处理，并将处理后的PCA-IMF分量和原始数据分量分别作为1D-CNN的输入数据进行网络训练和测试，得到故障识别结果。通过对比分析，与EEMD-CNN、EEMD-随机森林等方法的平均准确率进行横向比较，结果表明，EEMD-CNN方法用来识别故障类型更为准确。

• 单位
  石家庄铁道大学