基于PCA-LMD的滚动轴承信号混合特征选取与故障诊断

摘要

为了对非平稳、低信噪比的轴承振动信号进行分析,提出1种基于PCA-LMD的滚动轴承振动信号混合特征选取及智能故障诊断方法.基于Hankel矩阵对实测轴承振动信号进行主成分分析(PCA)降噪处理.对降噪后的非平稳信号进行局部均值分解(LMD),得到一系列具有瞬时物理意义的乘积函数(PF).通过特征分析和对比,选取前5阶PF分量的能量比特征、样本熵、均方根及波形指标作为信号混合特征向量.将特征向量输入到支持向量机(SVM)分类器进行训练与测试,从而实现故障诊断.结果 表明:通过对包含不同故障程度的滚动体、内圈、外圈故障的轴承实测数据进行分析,故障诊断正确率达到98％,验证了本方法的有效性,对航空发动机轴承的故障诊断具有借鉴和指导作用.