基于CEEMDAN优化的轴承故障变分推断诊断算法

针对现有滚动轴承故障诊断研究中诊断准确率存在的不足,提出了一种基于本征模态函数优化自适应噪声集合经验模态分解和变分推断的滚动轴承故障诊断算法,该算法首先利用自适应噪声集合经验模态分解获得原始信号的本征模态函数分量,进而构建敏感本征模态函数分量筛选算法对自适应噪声集合经验模态分解方法进行优化,构成特征向量,对于训练集数据建立高斯混合模型,通过变分推断使高斯混合模型逼近特征向量概率分布的方法来实现滚动轴承故障诊断。通过实例验证了算法的有效性,与自适应噪声集合经验模态分解结合变分推断、局部特征尺度分解结合变分推断、优化的自适应噪声集合经验模态分解结合粒子群优化支持向量机相比,诊断正确率分别提升了4.3%、4.3%和21.7%。