基于VMD-MFE-PNN的电机轴承故障诊断方法

摘要

为提高电机轴承故障识别的准确性，提出一种基于变分模态分解（variational mode decomposition, VMD）、多尺度模糊熵（multi-scale fuzzy entropy, MFE）和概率神经网络（probabilistic neural network, PNN）相结合的滚动轴承故障诊断方法。通过优化后的遗传算法对VMD的2个重要参数进行寻优；然后利用VMD对各类轴承振动信号进行分解，根据峭度-相关准则选取包含较多故障特性的最优模态分量；计算该分量的多尺度模糊熵，并选取一定尺度的模糊熵值作为特征向量，输入到PNN中进行故障识别。经过实验验证，相较于VMD-PE-PNN、VMD-FE-PNN、VMD-MPE-PNN方法，基于VMD-MFE-PNN的电机轴承诊断方法更能准确地识别滚动轴承的故障类型。