基于通道信息不平衡度的多元经验模态分解方法

作     者：陆春元 焦洪宇 卜王辉 LU Chunyuan;JIAO Hongyu;BU Wanghui

作者机构：苏州市职业大学机电工程学院江苏苏州215104 常熟理工学院汽车工程学院江苏苏州215500 同济大学机械与能源工程学院上海200092 

基　　金：国家自然科学基金资助项目(51605046) 江苏政府留学奖学金资助项目(JS-2017-188) 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2024年第41卷第2期

页      码：280-288页

摘      要：在轴承多通道振动信号中,由于多通道故障信息不平衡会导致轴承故障诊断精度降低。针对这一问题,提出了一种考虑多通道故障信息不平衡的,基于多元经验模态分解(MEMD)的轴承故障特征提取与诊断方法。首先,分析了传统MEMD随机选择映射方向的缺陷,设计了依据通道间故障信息不平衡度自适应调整映射方向的策略,使分量信号中包含更多故障信息,并基于多元模态分解结果构造了特征空间;然后,基于冗余属性投影法对多通道提取的故障特征进行了融合,得到了多通道融合的本质故障特征;最后,采用反向传播(BP)神经网络进行了故障模式识别,设计了三层神经网络结构,且使用误差反向传播法进行了参数训练,并制定了基于BP神经网络的轴承故障诊断流程。研究结果表明:改进MEMD提取特征的类边界比传统方法更加明确,说明改进方法能够提取更具代表性的故障特征;从诊断精度看,与传统多元模态分解方法、完备集成辛几何分解方法相比,改进MEMD方法的诊断准确率最高,达到了99.5%。实验结果验证了改进方法在多通道故障诊断中是可行的,且从诊断精度上看,其具有一定的先进性。

主 题 词：轴承故障特征提取与诊断 多通道采样 信息不平衡 多元经验模态分解 冗余属性投影 反向传播(BP)神经网络 特征空间构造 本质故障特征 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 080201[080201] 

D　O　I：10.3969/j.issn.1001-4551.2024.02.011

馆 藏 号：203126164...