基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

摘要：

针对滚动轴承故障特征提取与状态监测问题，提出一种基于集合经验模式分解(EEMD)、 Renyi 熵、主元分析(PCA)和概率神经网络(PNN)的新方法。首先将轴承振动信号通过EEMD 分解 成一组本征模态函数(IMF)，计算每个IMF 分量的Renyi 熵值作为表征故障特征的向量，采用PCA 对特征降维，提取主元输入PNN 进行故障分类。通过SKF6203 轴承的正常、内圈点蚀、外圈点 蚀和滚动体点蚀这四类状态的诊断实验验证了方法的有效性，诊断正确率为91.7％。

关键词： 故障诊断 滚动轴承 集合经验模式分解 Renyi 熵 主元分析 概率神经网络

作者: 窦东阳 李丽娟 赵英凯

作者单位: 中国矿业大学化工学院,徐州 221116 南京工业大学自动化与电气工程学院,南京 210009

会议类型: 国内会议

会议名称: 第二十二届中国过程控制会议

会议地点: 南京

会议语种:中文

页码: 42-46

在线出版日期: 1900-01-01（万方平台首次上网日期，不代表论文的发表时间）