基于EMD瞬时功率谱熵的神经网络滚动轴承故障诊断
2016-11-24宋金波王德平
化工自动化及仪表 2016年8期
宋金波 王德平 刘 霞
(1.东北石油大学电气信息工程学院,黑龙江 大庆163318;2.大庆油田有限责任公司测试技术服务分公司,黑龙江 大庆 163412)
基于EMD瞬时功率谱熵的神经网络滚动轴承故障诊断
宋金波1王德平2刘 霞1
(1.东北石油大学电气信息工程学院,黑龙江 大庆163318;2.大庆油田有限责任公司测试技术服务分公司,黑龙江 大庆 163412)
滚动轴承在发生故障时,其动力学特性往往呈现出复杂性和非线性,振动信号也会随之表现出非平稳性。为此,提出一种基于EMD瞬时功率谱熵的滚动轴承特征提取方法。该方法将轴承信号进行EMD分解,得到有限个IMF分量,对这些分量进行功率谱处理,计算其功率谱的信息熵。EMD瞬时功率谱熵作为特征向量,采用神经网络进行故障分类,实验结果表明,此方法的分类准确率可达96.25%。
轴承故障诊断 EMD 瞬时功率谱熵 概率神经网络
滚动轴承是各种旋转机械中应用最广泛的一种重要部件,其运行状态直接影响整台机械的性能,对它进行故障诊断具有重要意义。实际的滚动轴承振动信号,大部分是非平稳、非线性信号,因此,在故障诊断过程中需要采用适合于非平稳信号的特征提取方法。由于时频分析方法能够同时提取振动信号的时域和频域局部化信息,是处理非线性、非平稳信号的一种有效方法,因此,常采用短时傅里叶变换、Winger-Ville分布、小波变换、经验模式分解(EMD)及希尔伯特-黄变换等时频方法对轴承信号进行特征提取[1]。鉴于滚动轴承的振动信号不可避免地混有噪声信号,有学者提出了基于倒谱特征、基于熵等的新方法,然后,采用支持向量机[2]、人工神经网络[3,4]等进行故障诊断。……
登录APP查看全文
