基于EEMD模糊熵的PCA-GG滚动轴承聚类故障诊断

来源：计算机集成制造系统杂志2016年第11期北京时间：

作者：许凡,方彦军,张荣

单位：武汉大学自动化系

摘要：针对滚动轴承故障诊断中振动信号的熵特征向量维数高的问题,提出一种基于总体平均经验模态分解、模糊熵、主成分分析、GG(Gath-Geva)聚类算法相结合的滚动轴承聚类故障诊断法。采用经验模式分解与总体平均经验模式分解分别对滚动轴承的原始信号进行分解,得到若干个固有模式分量,并使用样本熵与模糊熵计算其熵值。通过主成分分析法对熵特征向量进行可视化降维,并作为模糊C均值、GK(Gustafson-Kessel)与GG聚类算法的输入,实现对滚动轴承的故障诊断。利用分类系数和平均模糊熵对上述聚类结果进行评价与对比。通过实验表明,所设计的模型能对熵特征向量进行可视化降维,且其故障识别聚类效果优于其他方法。

关键词：滚动轴承,故障诊断,模糊熵,总体平均经验模式分解,Gath-Geva聚类

基金资助：国家自然科学基金资助项目(61201168);中央高校基本科研业务费专项资金资助项目(121031)。