基于敏感特征选取与改进NPE的滚动轴承故障诊断方法

田媛媛，黄雅玲，董 飞，丁恩杰

（1.中国矿业大学信息与控制工程学院，江苏 徐州 221008；2.中国矿业大学物联网（感知矿山）研究中心，江苏 徐州 221008）

1 引言

滚动轴承作为旋转机械的关键部件之一，其工作状态会直接影响到整个旋转机械的运行状态，研究滚动轴承智能故障诊断技术对于保障设备安全稳定运行，减少突发事故的发生以及减少设备维护成本，具有重要的经济和现实意义与工程价值[1]。近年来，随着信号处理、数据挖掘以及人工智能的快速发展，基于数据驱动的方法在滚动轴承故障诊断中变得越来越重要，其主要可分为四个步骤：信号处理，特征提取，特征降维和故障模式识别[2-4]。

滚动轴承振动信号能够及时准确的提供设备状态特征信息，且可被永久或间歇监测，因此被广泛用于滚动轴承故障诊断[2]。小波变换是分析非线性、非平稳振动信号的有效方法，但小波变换没有对信号的高频部分做进一步的分解，易导致高频部分故障特征信息的丢失。针对此问题，小波包变换被提出，它能进一步分解信号在高频区的细节系数，提供更详细、更全面的时频面，因此在滚动轴承故障诊断方面得到许多应用[2，5，6]。振动信号经小波包分解后，进行特征提取，构建原始特征集，其中会存在干扰以及冗余信息，可能会影响故障诊断的准确度，因此，需要从原始特征集中提取出有利于故障状态识别的敏感特征；提出一种基于ReliefF与标准差的故障敏感特征……