基于EEMD-BP的自动倾斜器轴承故障诊断研究

针对自动倾斜器轴承运行工况复杂,难以实现故障自动识别的问题,本文提出了一种基于集合经验模态分解和BP神经网络相结合的自动倾斜器轴承故障诊断方法。该方法首先对信号进行集合经验模态分解,计算归一化能量特征并完成特征构造,最后将构造好的特征输入BP神经网络完成模型训练与测试,从而实现时频处理算法和神经网络模型的有效结合。本文主要分析了隐含层神经元个数、训练数据组数等因素对故障诊断成功率的影响。此外,本文还研究了训练数据存在偏差、不同测点下该算法的适用性。实验结果表明,该方法可以有效地进行自动倾斜器轴承故障类型的识别。