论文部分内容阅读
旋转机械设备是工业的重要动力源,其滚动轴承出现故障以后会使得生产中断,影响生产计划并造成经济损失。滚动轴承的故障信号具有噪声大、非平稳的特点,先用集合模态分解法(EEMD)将轴承的震动信号进行分解;然后对分解得到的信号计算能量熵,选取部分较大的能量熵值,构造识别各类轴承故障的特征向量;最后将故障特征向量加上分类标签,划分为训练集和测试集两部分,用K近邻算法(KNN)识别滚动轴承故障类型。在凯斯西储大学公开的轴承数据集上的实验表明,EEMD和KNN结合的方法故障识别正确率达到98.13%。