张国银 王 雪 王海瑞 郝家骥 宋怡然

(昆明理工大学信息工程与自动化学院)

基于EEMD和模糊BP神经网络的滚动轴承故障诊断

张国银 王 雪 王海瑞 郝家骥 宋怡然

(昆明理工大学信息工程与自动化学院)

针对滚动轴承故障振动信号的非平稳特征，提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解，得到若干个本征模态函数分量(IMF)；然后提取各分量的均方差、峭度和能量，把这些特征参数作为学习集和训练集，将学习集输入到模糊BP神经网络中进行学习；最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别，并与BP神经网络进行比较。实验结果表明：所提方法能有效地应用于滚动轴承故障诊断，而且比BP神经网络具有更高的精确度。

滚动轴承 故障诊断 EEMD 模糊BP神经网络 能量 峭度

目前，在滚动轴承的故障诊断中，主要以研究振动信号中所产生的故障特征进行故障诊断。当轴承中的一个或几个元件发生局部故障时，相接触的部件会因撞击而产生能量集中的周期性脉冲信号，从而激起轴承系统各部件的高频固有振动，产生幅值调制现象，不同的故障会有不同的故障信息特征[1]。一般来说，滚动轴承故障诊断技术分为4个过程：首先对选取的能反映滚动轴承状态信息的信号进行预处理；接着对信号进行特征提取，选取能够反映其故障征兆的特征值；……