10.19287/j.mtmt.1005-2402.2023.07.002
基于小波阈值降噪EMD-AR谱分析和极限学习机的滚动轴承故障诊断
针对传统的滚动轴承故障诊断中,振动特征易受冗余噪声干扰,且不能对故障特征准确分类的问题,提出 1 种基于小波降噪、EMD-AR谱分析和ELM(极限学习机)的滚动轴承故障诊断的方法.对滚动轴承振动信号首先进行小波阈值降噪处理,随后将降噪后的一维信号进行EMD分解并提取其前 6 个IMF分量,将前 6 个IMF分量的AR谱累加得到降噪后振动信号的EMD-AR谱,可从谱中看出轴承不同的故障情况来作为先验诊断.最后提取降噪后信号的 6 个特征值作为样本,为避免实验的偶然性,建立基于K折交叉验证ELM分类诊断模型.诊断结果表明,该方法能对轴承故障情况进行清楚分类,分类精度最高可达 100%,可对轴承故障诊断提供新的方法.
滚动轴承、故障诊断、阈值降噪、EMD-AR谱、ELM
TH17
国家自然科学基金;山西省教育厅项目;山西省自然科学基金;山西省教学改革创新项目;太原科技大学研究生教学改革研究项目;太原科技大学研究生教育创新项目
2023-08-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
16-20,31