基于小波阈值降噪EMD-AR谱分析和极限学习机的滚动轴承故障诊断

针对传统的滚动轴承故障诊断中,振动特征易受冗余噪声干扰,且不能对故障特征准确分类的问题,提出1种基于小波降噪、EMD-AR谱分析和ELM(极限学习机)的滚动轴承故障诊断的方法。对滚动轴承振动信号首先进行小波阈值降噪处理,随后将降噪后的一维信号进行EMD分解并提取其前6个IMF分量,将前6个IMF分量的AR谱累加得到降噪后振动信号的EMDAR谱,可从谱中看出轴承不同的故障情况来作为先验诊断。最后提取降噪后信号的6个特征值作为样本,为避免实验的偶然性,建立基于K折交叉验证ELM分类诊断模型。诊断结果表明,该方法能对轴承故障情况进行清楚分类,分类精度最高可达100%,可对轴承故障诊断提供新的方法。