基于CEEMD互近似熵和FCM滚动轴承故障诊断

摘要：

针对滚动轴承故障振动信号的非平稳特性,提出一种结合互补的总体经验模式分解(CEEMD)互近似熵和模糊C均值(fuzzy C means,FCM)聚类的诊断新方法.CEEMD可以有效抑制经验模式分解(EMD)在非线性非平稳信号处理中存在模态混叠和总体经验模式分解(CEEMD)添加的白噪声不能完全被中和问题;互近似熵是能更好体现信号的不规则度和复杂度.首先对正常信号和故障信号进行CEEMD分解,提取真实IMF分量互近似熵表达故障信息,最后采用FCM对数据样本进行分类,并通过计算分类系数和平均模糊熵对分类性能进行评价.结果表明,与基于EMD和EEMD算法的轴承故障诊断方法相比,基于CEEMD互近似熵和模糊C均值聚类相结合的方法可以更准确、有效地实现轴承的故障判别,为实际滚动轴承故障诊断提供一定的理论参考.

关键词：滚动轴承、经验模式分解、互近似熵、故障诊断

所属期刊栏目：35

分类号：TH206+.3(起重机械与运输机械)

资助基金：国家自然科学基金资助项目51475386,51175439,U1334204

在线出版日期：2018-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：314-318,410