1197 / 2023-03-18 10:20:03

基于多尺度模糊熵和主成分分析的轴承故障诊断

针对轴承故障特征比较难提取出来的特点，提出了一种基于多尺度模糊熵（MFE）和经验模态分解(EMD)相结合的滚动轴承特征提取方法。先使用了经验模态分解（EMD）把原始信号分解为若干个本征模态函数（IMF）分量信号，然后根据相关系数和峭度值准则剔除掉虚假的IMF分量，然后在不同尺度下求取真实IMF分量的模糊熵值，使用PCA对其进行降维处理，形成能表征不同故障特征的特征向量，最后使用神经网络对其进行诊断验证。实验表明，该方法可以有效地提取轴承故障特征信息，识别率为95%，实现了对轴承故障的精确诊断。