基于自相关降噪与VMD排列熵的滚动轴承故障诊断

摘要

由于滚动轴承早期故障信号非常微弱特征不明显,再加之较易受到环境噪声影响,使得故障特征的早期识别变得困难.本文提出一种将自相关降噪方法与变分模态分解(Variational Mode Decomposition,VMD)排列熵相结合的滚动轴承故障诊断方法.首先对采集到的滚动轴承信号进行自相关分析,排除噪声信号的干扰;其次利用VMD方法对降噪后的信号进行分解,得到一系列的BIMF分量;然后计算得到的各BIMF分量的排列熵,将排列熵数据构造高维特征向量并作为支持向量机的输入,最后输出轴承的故障类型.实验结果表明,该方法可以有效的排除噪声干扰并且抑制模态混叠现象发生,而且故障识别精度好于直接用EMD分解求排列熵方法的对比组,继而验证了该方法的有效性.