基于K-L散度的VMD瞬时能量与PNN的滚动轴承故障诊断

作者：徐统; 王红军^*; 宋智勇; 李颖

来源：电子测量与仪器学报, 2019, 33(08): 117-123.

DOI：10.13382/j.jemi.B1801857

• 变分模态分解
• 瞬时能量
• K-L散度
• 概率神经网络
• 滚动轴承故障诊断

针对滚动轴承失效模式的有效识别,提出了基于K-L散度的变分模态分解(VMD)的瞬时能量与概率神经网络(PNN)的滚动故障轴承故障诊断方法。首先,利用VMD将滚动轴承信号进行分解成若干个本征模态函数(IMF);然后,分别计算原始信号和每个IMF分量的K-L值,并选择具有较小的K-L值的两个IMF分量以计算其瞬时能量并组成特征向量;最后,将特征向量输入到PNN实现故障模式识别。通过对滚动轴承故障诊断实验对该方法进行验证,结果表明,基于K-L散度的VMD瞬时能量与PNN的滚动故障轴承故障诊断准确率高达100%,将所提的方法与通过峭度准则选择VMD分量的瞬时能量和通过K-L散度值选择的集合经验模态分解(EEMD)分量与PNN网络相结合的诊断方法作对比,则明显高于其他两种方法,证明了所提方法的可行性。

• 单位
  成都飞机工业(集团)有限责任公司; 机电工程学院; 北京信息科技大学; 成都飞机工业（集团）有限责任公司