经验模态分解与RBF神经网络在轴承故障诊断中的应用

摘要

针对轴承振动信号的非线性与非平稳性，采用经验模态分解与RBF神经网络相结合的故障诊断方法。首先，采用经验模态分解法对轴承信号进行分解得到各个固有模态函数，提取各个固有模态函数的能量作为故障特征参量，然后将故障特征参量输入 RBF神经网络进行训练与测试，实现了智能化的故障模式识别。结果表明，基于该方法的轴承故障诊断系统能够准确地识别外圈裂纹、内圈点蚀和保持架断裂等故障，具有较好的实际工程应用价值。