论文部分内容阅读
针对滚动轴承故障振动信号的非线性和周期性冲击特征,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法.基于小波去噪对滚动轴承原始信号进行预处理,对重构的故障信号进行EEMD并得到多个本征模态函数分量.利用能量矩方法计算出所需分量的能量矩并归一化,将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入,根据加速度传感器信号实现滚动轴承故障诊断.分别在不同转速(载荷)下采集驱动端轴承的振动信号