基于超声解调信号多特征融合的轴承故障识别

针对当前振动监测对轴承初期微损状态监测难、精准度低的问题，提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法，研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量，然后对各本征模态分量计算不同熵值特征，再将多特征融合后代入随机森林训练分类模型，利用混淆矩阵进行精度评价，最终对早期故障识别准确率高达97.92%。研究表明，超声解调信号对判别轴承早期故障效果更佳；经过多类熵值特征融合后，轴承状态分类具有更高的识别准确率。