一种基于经验模态分解与瓦片编码的自适应轴承故障诊断方法

针对传统依赖经验参数的轴承故障诊断方法在不同噪声等级场景下准确率不高的问题,文章提出一种基于经验模态分解与瓦片编码的自适应轴承故障诊断方法。首先,其引入成熟的自适应分解算法——经验模态分解(empirical mode decomposition,EMD)对轴承振动信号进行分解,再根据一定规则选取相应的分量作为有效信号,结合谱平均对信号进一步去噪,实现轴承振动信号的自适应滤波;其次,采用基于瓦片编码(tile coding)的谱编码对滤波后信号进行特征提取,将编码结果作为特征输入K近邻(K-nearest neighbors,KNN)分类器;最后,在进行实例验证时,文章构建一个不同程度噪声的验证数据集,将所提出的自适应方法与经典的基于自适应滤波的故障诊断方法进行比较。结果显示,在信噪比高于-10 dB的情况下,该方法的诊断准确率达到了90%以上,优于其他方法的。