基于改进辛几何模态分解的滚动轴承故障信号特征提取方法

摘要

针对滚动轴承故障诊断中振动信号受强噪声干扰导致故障特征难以提取的问题，提出了一种基于改进辛几何模态分解的特征提取方法。该方法首先计算核心点周围样本的密度，然后基于密度比率自适应调整半径来对辛几何模态分解获得的初始分量进行聚类分析，用来解决辛几何模态分解在初始分量重组时的参数敏感问题。通过仿真实验对比，表明了所提改进的辛几何模态分解法不需要选择参数，信噪比可达22.9 dB，去噪效果最好。利用改进的辛几何模态分解法，短时傅里叶变换时频图对滚动轴承的正常、内圈断裂和外圈断裂故障的振动信号进行了分析，验证了该方法可以有效地提取滚动轴承特征信息，与AlexNet算法结合能够实现滚动轴承故障的精确诊断，正确率最高可达98.53%。

关键词

滚动轴承 / 特征提取 / 改进辛几何模态分解 / 短时傅里叶变换