摘要
针对滚动轴承故障识别和分类问题,在经验模态分解(Empirical mode decomposition,EMD)的基础之上,结合多个熵特征构成的复合熵,提出一种新方法用于轴承故障诊断。该方法首先利用EMD对原始的滚动轴承振动信号进行分解,对于信号分解获得的固有模态函数(Intrinsic Mode Function,IMF)进行选择,利用互相关系数进行选择IMF分量,其次将选择后的IMF分量分别相空间重构,对重构矩阵进行奇异值分解(Singular ValueDecomposition,SVD),根据奇异值差分谱理论提取IMF奇异值熵,同时提取选择后的IMF分量的均方根熵和Simoid熵构成特征向量输入K最近邻(K-NearestNeighbor,KNN)分类器中进行轴承健康状态判断。通过对公开轴承数据的分析,可以表明该方法可以实现滚动轴承的故障诊断。
作者简介
吴龙(1997-),男,上海理工大学,硕士生,研究方向为机械故障诊断。
