摘要：针对涡桨发动机转子系统振动信号的非平稳特征,提出一种基于集成经验模态分解（EEMD）与邻域粗糙集（NRS）的涡桨发动机转子故障诊断方法。该方法先对转子振动信号进行EEMD,提取原始信号的时域特征和多尺度排列熵（MPE）特征,转子系统的大部分故障信息隐藏在前几个高频本征模态函数（IMFs）中,分别计算它们的时域指标、能量特征和奇异值分解（SVD）特征;利用NRS评估各个特征的属性重要度,进而选出敏感特征;将其作为支持向量机（SVM）的输入向量来对转子进行故障诊断。实验结果表明：该方法利用敏感特征集对涡桨发动机转子进行故障诊断的准确率达到了97.5%,同时剔除了大量冗余特征,具有较强的鲁棒性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社