基于EMD包络谱特征与PCA-PNN的滚动轴承故障诊断
-
91
-
作者
陈龙张纯龙
-
单位
宁夏煤业洗选中心中国矿业大学化工学院
-
摘要
针对滚动轴承故障状态识别问题，提出一种基于经验模态分解(EMD)、包络谱、主成分分析(PCA)和概率神经网络(PNN)的方法。首先利用EMD把轴承振动信号分解得到多个本征模函数(IMF)和残余项，并选取适当的IMF提取6个时域、5个频域指标构建无量纲故障特征集，然后通过PCA对高维故障特征集降维获取主成分，结合PNN实现故障状态识别。SKF6203轴承正常、外圈故障、滚动体故障以及内圈故障4种状态识别实验结果表明，故障识别准确率为91.25%，且诊断过程解释性强。
-
关键词
故障识别EMD包络谱PCAPNN
-
基金项目(Foundation)
宁夏煤业科技创新计划(NXMY-20-12)；
-
文章目录
0 引言
1 基于EMD与包络谱的特征提取
2 PCA特征降维方法
3 PNN识别模型
4 故障诊断实验
5 结语
-
引用格式
陈龙,张纯龙.基于EMD包络谱特征与PCA-PNN的滚动轴承故障诊断[J].煤矿机械,2022,43(10):173-176.DOI:10.13436/j.mkjx.202210053.
煤矿机械 
2022年第10期 
