基于VMD-MFE-PNN的电机轴承故障诊断方法

为提高电机轴承故障识别的准确性,提出一种基于变分模态分解(variational mode decomposition,VMD)、多尺度模糊熵(multi-scale fuzzy entropy,MFE)和概率神经网络(probabilistic neural network,PNN)相结合的滚动轴承故障诊断方法。通过优化后的遗传算法对VMD的2个重要参数进行寻优;然后利用VMD对各类轴承振动信号进行分解,根据峭度-相关准则选取包含较多故障特性的最优模态分量;计算该分量的多尺度模糊熵,并选取一定尺度的模糊熵值作为特征向量,输入到PNN中进行故障识别。经过实验验证,相较于VMD-PE-PNN、VMD-FE-PNN、VMD-MPE-PNN方法,基于VMD-MFE-PNN的电机轴承诊断方法更能准确地识别滚动轴承的故障类型。