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,采用主元分析(PCA)对特征降维,提取主元输入概率神经网络进行故障分类.通过SKF6203轴承的正常、内圈点蚀、外圈点蚀和滚动体点蚀这4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

所属期刊栏目：41

分类号：TP206;TH17(自动化技术及设备)

资助基金：江苏省自然科学基金资助项目BK2009356;江苏省高校自然科学研究资助项目09KJB510003

在线出版日期：2012-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：107-111