基于RCMDE与概率神经网络的滚动轴承故障诊断

作     者：陈帅 黄晋英 CHEN Shuai;HUANG Jin-ying

作者机构：中北大学机械工程学院太原030051 

出 版 物：《制造业自动化》 (Manufacturing Automation)

年 卷 期：2022年第44卷第5期

页      面：218-220页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：山西省重点研发计划:国际科技合作方面(201903D421008) 山西省自然科学基金(201901D111157) 

主　　题：滚动轴承 精细复合多尺度散布熵 特征提取 概率神经网络 故障诊断 

摘      要：当滚动轴承出现微弱故障而当前工况又比较复杂的情况下,传统的特征参数难以实现提取故障特征的目标,为此本文想借助基于精细复合多尺度散布熵(RCMDE)与概率神经网络(PNN)这种方法来诊断轴承故障。首先,对轴承不同状态振动信号进行RCMDE分析,提取每种状态各20个尺度的RCMDE值构建故障特征向量,将其可视化;其次,将特征向量集输入到PNN分类器中进行轴承的不同状态模式识别与分类;最后进行验证和多种方法的结果比对,验证操作借助了凯斯西储大学的滚动轴承数据集,而结果比对的对象则是基于MDE-PNN的故障诊断方法。实验结果表明,基于RCMDE-PNN的方法能够对滚动轴承故障进行有效识别与诊断,分类精度优于MDE-PNN方法,准确率达到97.65%。