基于CEEMDAN和熵特征的滚动轴承故障诊断

作     者：高淑芝 陈雪峰 张义民 石烁 

作者机构：沈阳化工大学装备可靠性研究所 沈阳化工大学信息工程学院 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：NSFC-国家自然科学重点基金-辽宁联合基金(U1708254) 辽宁省特聘教授(No.3533)项目 

主　　题：噪声辅助 模态分解 滚动轴承 故障诊断 

摘      要：针对滚动轴承的故障诊断与分类，提出了一种基于自适应噪声完全集合经验模态分解（CEEMDAN）、模糊测度熵（FME）和粒子群优化算法-概率神经网络（PSO-PNN）的故障诊断方法。首先，CEEMDAN被用于分解振动信号，由于自适应噪声的加入，分解效果得到最大改善。其次，基于FME，对包含故障的模式进行特征提取。最后，将特征向量输入到经过PSO优化的PNN中进行故障分类，优化后的PNN具有更准确的分类精度。通过实验案例验证，该方法的诊断能力得到验证，且分别与使用经验模态分解（EMD）和集合EMD（EEMD）分解方法进行对比，进一步体现了该方法的优越性。