基于CEEMDAN‐SPSO‐ELM的旋转电机滚动轴承故障检测方法

由于旋转电机滚动轴承振动信号存在不平稳、非线性的特征,传统时频分析法、小波分解法存在在信号分解过程中能量泄露、自适应能力差的问题,经验模态分解(EMD)法存在模态混叠等问题。提出一种基于噪声自适应完备总体平均经验模态分解方法(CEEMDAN),利用具有麻雀捕食预警机制的粒子群算法(SPSO)优化极限学习机神经网络(ELM)的CEEMDAN‐SPSO‐ELM算法。利用所提方法对滚动轴承单一与多种损伤故障进行分析诊断,结果表明,所提算法具有有效性及诊断准确性。