基于EEMD的滚动轴承故障特征主元分析和PNN建模

席剑辉，韩彦哲，苏荣辉，傅 莉

（1.沈阳航空航天大学 自动化学院，沈阳 110036；2.沈阳飞机工业（集团）有限公司，沈阳 100850）

滚动轴承是传动机械中重要的基础部件，也是最容易损坏的机械零件之一。在运行过程中，滚动轴承故障（表面损伤、裂纹和磨损等）会引起接触面的弹性冲击而产生声发射信号，该信号蕴涵了丰富的碰磨信息，因此可以利用声发射来监测和诊断滚动轴承故障［1］。SAAD等研究了滚动轴承的内、外圈故障几何尺寸与声发射信号参数的关系以及转速、载荷对声发射信号的影响［2］。张颖等利用滚动轴承故障特征频率与声发射撞击计数间的对应关系，建立了基于周期性声发射撞击计数的滚动轴承故障诊断方法［3］。在这些方法中，故障特征量的提取是工况监视与故障诊断的重要步骤。因为声发射信号具有明显的非平稳特征，所以有必要采用适合于处理非平稳信号的特征提取方法。

时频分析方法能同时提供信号的时域和频域的局部信息，在特征提取和故障诊断研究中得到重视。常见的时频分析方法如小波变换具有可变的时频窗口，但不具有自适应调整功能，只是对时频平面的机械格型分割［4］。经验模态分解（Empirical Mode Decomposition，EMD）将复杂的多分量信号自适应地分解为若干个本征模态函数（Intrinsic Mode Function，IMF）分量之和，然后对每个IMF分量进行Hilbert变换求出瞬时频率和瞬时幅值，从而得到原始信号完整的时频分布［5－6］。但是对于混入间断事件的信号，EMD会出现模态混叠现象，影响分解效果。……