摘要：针对滚动轴承故障信号一般为非线性、非平稳信号的特点,以及故障频率难以提取的问题,提出了基于补充集合经验模态分解(CEEMD)和小波核极限学习机(WKELM)的滚动轴承故障诊断方法。针对轴承运行中的振动测试信号,首先利用CEEMD对原始信号进行分解,得到若干个特征分量(IMF),利用相关系数法筛选和重构IMF分量,求解各分量的多尺度熵(MSE)。经过对重构信号的包络谱分析可以证明相关特征可反映原信号的故障频率,然后将多尺度熵作为特征向量输入到WKELM中进行训练和测试。实验结果显示,该方法诊断时间为0.1015s,精度达到97.96%,相较支持向量机和BP神经网络诊断方法更有优势。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社