多特征评估筛选的滚动轴承故障诊断算法

摘要

针对滚动轴承故障的复杂性,现代信号处理技术和特征提取技术的多样性提供了多特征故障诊断技术的思路,但是特征集的特征过多不仅会增加计算量,而且有时还会降低故障诊断正确率.提出基于故障类内、类间标准差的多特征评估筛选方法,先对信号进行经验模式分解得到本证模式分量,再对原始信号和本证模式分量提取时域特征,使用该方法对提取到的特征进行敏感度评估和排序,筛选出最优特征集,使用贝叶斯判别分析对故障特征进行诊断分类.仿真结果表明,该方法能对故障进行有效、准确的诊断,并且在样本量较少的情况下,对现实中的滚动轴承故障数据也有较好的诊断率.