基于SVD-EEMD和BP神经网络的滚动轴承故障诊断

作     者：黄竞楠 王少红 马超 HUANG Jingnan;WANG Shaohong;MA Chao

作者机构：北京信息科技大学现代测控技术教育部重点实验室北京100192 

出 版 物：《北京信息科技大学学报（自然科学版）》 (Journal of Beijing Information Science and Technology University)

年 卷 期：2019年第34卷第2期

页      面：69-74页

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 080201[工学-机械制造及其自动化] 

基　　金：北京市教委科技计划一般项目(KM201811232023) 北京市机电系统测控中心重点实验室科学基金(KF20181123305) 

主　　题：奇异值分解 集合经验模态分解 BP神经网络 故障诊断 

摘      要：针对故障轴承振动信号中含有强烈的背景噪声,难以提取故障信息的情况,提出了一种基于奇异值分解(singular value decomposition,SVD)、集合经验模式分解(ensemble empirical mode decomposition,EEMD)和BP神经网络的轴承故障诊断方法。应用SVD对轴承故障信号降噪处理后进行EEMD分解,获得其多个固有模态函数(intrinsic mode function,IMF)分解量,使用相关分析提取含有主要故障信息的IMF分量。从选取的IMF分量中提取故障特征参数,并将归一化后的故障特征参数作为BP神经网络输入参数进行轴承故障诊断。实验结果表明该方法能有效识别滚动轴承的故障类型,可用于轴承故障诊断。