基于EEMD与SVM的滚动轴承故障诊断分析

巴 頔，张宏斌，张文华

(齐齐哈尔大学 机电工程学院，黑龙江 齐齐哈尔 161006)

0 引言

滚动轴承作为旋转机械的重要部件被广泛应用于装备制造、航空航天、石油化工、农机工程等领域[1-2]。长期处于复杂多变的工作环境下的滚动轴承呈现出高故障率的特点，从而对旋转机械设备工作状态的稳定性造成很大影响，因此，对滚动轴承劣化过程的研究十分必要[3-6]。

近年来基于故障振动征兆的诊断分析被大量应用在滚动轴承故障诊断的研究中[7-9]。针对滚动轴承故障信号非线性、非平衡的特点，本文提出一种基于集合经验模态分解(EEMD)指标能量的滚动轴承故障分析方法。基于滚动轴承故障振动时间序列表现出的非平稳性、非线性特点，采用集合经验模态分解对其振动征兆进行平稳化处理，并提取故障振动时间序列指标能量以构建故障特征向量，然后将其输入到SVM中实现对滚动轴承故障的识别分类。结果表明EEMD指标能量能够有效表征轴承故障特征，并且基于EEMD与SVM的滚动轴承故障诊断方法具有较高的识别率。

1 EEMD算法与指标能量

EEMD算法作为一种针对非平稳、非线性时间序列的分析方法，在避免EMD分解模态混叠的基础上，将滚动轴承故障振动信号分解成有限个固有模态分量(IMF)，各IMF分量包含了原始时间序列在不同时间尺度上的时频特征。滚动轴承不同故障类型的振动时间序列表现出不同的波动特性，其能量随时间和频率的分布而改变，各频率成分的能量中包含大量故障信息，能够通过其能量特征对不同故障类型进行表征。……