摘要：提出了一种基于总体平均经验模态分解和GRNN神经网络的滚动轴承故障诊断方法。首先通过EEMD方法将非平稳、非线性的滚动轴承振动信号分解为若干个平稳的固有模态函数（IMF）之和,提取前8个IMF分量作为频域特征,同其他14个时频域特征指标组成特征集输入到GRNN神经网络中,建立起GRNN网络模型,对滚动轴承三种故障状态进行模式识别。通过分析比较BP和GRNN两种网络模型对故障的诊断结果,验证了GRNN网络的优越性和可行性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社