基于EEMD能量矩和改进量子粒子群神经网络的滚动轴承故障诊断

作者：闵文君; 李国平^*; 韩同鹏; 项四通; 赖文锋

来源：宁波大学学报(理工版), 2020, 33(03): 33-39.

• 滚动轴承
• 故障诊断
• 集合经验模态分解
• 能量矩
• 改进量子粒子群

针对滚动轴承故障振动信号的非线性和周期性冲击特征,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法.基于小波去噪对滚动轴承原始信号进行预处理,对重构的故障信号进行EEMD并得到多个本征模态函数分量.利用能量矩方法计算出所需分量的能量矩并归一化,将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入,根据加速度传感器信号实现滚动轴承故障诊断.分别在不同转速(载荷)下采集驱动端轴承的振动信号,获取200个训练样本和80个测试样本,并建立故障诊断模型.基于文中模型对实际滚动轴承数据进行诊断,实验结果表明,不同转速(载荷)下测试的80个样本故障诊断准确率达到100%.

• 单位
  宁波大学