基于EMD-ICA与遗传算法的轴承故障诊断方法

摘要：

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振动信号进行处理.采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、BP等诊断模型作为对比算法.试验结果表明:采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果.优化的算法相比其它诊断识别方法性能较佳,使3种故障的平均诊断效果达到90％以上.

关键词：滚动轴承;故障诊断;振动信号;遗传算法;经验模态分解法;独立分量

所属期刊栏目：47

分类号：V233.4+5(航空发动机（推进系统）)

资助基金：江苏省自然科学基金;镇江市科技项目

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：34-40