基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断.pdfVIP

第41卷 增刊 东 南大 学学 报 (自然科学版) Vo1．41 Sup 2011年 9月 JOuRNALOFSOUTHEASTUNIVERSITYfNaturalScienceEdition) Sept．2011 doi：10．3969／j．issn．1001—0505．2011．SI．023 基于 熵和 PCA．PNN的滚动轴承故障诊断 窦东阳 李丽娟 赵英凯 (中国矿业大学化工学院，徐州 221116) (南京工业大学 自动化与电气工程学院，南京 210009) 摘要：针对滚动轴承故障特征提取与状态监测问题，提出一种基于集合经验模式分解(EEMD)、 Renyi熵 、主元分析 (PCA)和概率神经 网络 (PNN)的新方法．首先 ，将轴承振动信号通过 EEMD 分解成一组本征模态函数(IMF)，计算每个IMF分量的Renyi熵值作为表征故障特征的向量，采 用主元分析 (PCA)对特征 降维 ，提取主元输入概率神经 网络进行故障分类．通过 SKF6203轴承 的正常、内圈点蚀、外圈点蚀和滚动体点蚀这4类状态的诊断实验验证 了方法的有效性，诊断正 确率为91．7％． 关键词：故障诊断；滚动轴承；集合经验模式分解 ；Renyi熵 ；主元分析；概率神经网络 中图分类号 ：TP206；THl7 文献标志码 ：A 文章编号 ：1001—0505(2011)增刊-0107-05 Faultdiagnosisofrollingbearings usingEEM D--RenyientropyandPCA--PNN DouDongyang LiLijuan ZhaoYingkai (SchoolofChemicalEngineeringandTechnology，ChinaUniversityofMiningandTechnology，Xuzhou221116，China) (SchoolofAutomationnadElcetricalEngineering，NanjingUniversityofTcehnology，Nnajing210009，China) Abstract：Inordertosolvetheproblemsoffaultfeatureextractionandconditionmonitoringofroll’ ingbearings，anovelapproachbasedontheensembleempiricalmodedecomposition(EEMD)，the Renyi—entropy，theprincipalcomponentanalysis (PCA) and theprobabilisticneuralnetwork (PNN)isproposed．Thevibrationsignalsarefirstdecomposedintoacoupleofintrinsicmodefunc— tions(IMFs)bytheEEMDmethod，andtheRenyientropyofeachIMFiscomputedashtefault chraacteristicvectors．Then，thePCA isusedforfeautrereduction，afterthathteprincipal compo— nents(PCs)raeacquirednadfedintothePNNofrfinalclassification．TheexperimentofSKF6203 rollingbearingsincludingnorm condition，innerracedefect，outerracedefectandballdefectproves thevalidityoftheproposedmethod．andthediagnosticaccu