摘要： 为了解决传统方法对滚动轴承中振动信号特征提取效果不理想和PNN模型中的平滑因子没有合适方法确定,从而导致故障类型识别准确度不高的问题,提出了一种CEEMD能量矩和PSO算法优化PNN模型相结合的故障诊断算法,来改善特征提取效果以及提高诊断精度。首先通过CEEMD法,将振动信号分解为多个固有模态函数（IMF）,并对其进行时间轴的积分,从而获得能够较准确地区分不同信号特性的能量矩特征向量;其次,通过引入PSO算法来进行迭代优化,解决了PNN模型中的平滑因子具有任意性和不确定性的选取问题。通过MATLAB软件仿真结果可以看出,该方法能够较准确地提取振动信号的特征并对故障进行有效的分类,它的可靠性较PNN模型有所提高,诊断正确率可以达到98.5%。?

关键词: 互补集合经验模态分解;能量矩;粒子群算法;概率神经网络;轴承故障诊断

中图分类号: 

• TH133.3

• TP18