基于CEEMD互近似熵和FCM滚动轴承故障诊断

简介

针对滚动轴承故障振动信号的非平稳特性，提出一种结合互补的总体经验模式分解（CEEMD）互近似熵和模糊C均值（fuzzy Cmeans，FCM）聚类的诊断新方法。CEEMD可以有效抑制经验模式分解（EMD）在非线性非平稳信号处理中存在模态混叠和总体经验模式分解（CEEMD）添加的白噪声不能完全被中和问题；互近似熵是能更好体现信号的不规则度和复杂度。首先对正常信号和故障信号进行CEEMD分解，提取真实IMF分量互近似熵表达故障信息，最后采用FCM对数据样本进行分类。并通过计算分类系数和平均模糊熵对分类性能进行评价。结果表明，与基于EMD和EEMD算法的轴承故障诊断方法相比，基于CEEMD互近似熵和模糊C均值聚类相结合的方法可以更准确、有效地实现轴承的故障判别，为实际滚动轴承故障诊断提供一定的理论参考。