基于PSO-FEEMD方法的滚动轴承早期故障信号分析

摘要

针对滚动轴承早期故障信号分析精度提升需求，提出一种基于粒子群优化的自适应信号分解方法（PSO-FEEMD）。该方法通过优化快速集合经验模态分解（FEEMD）中的噪声标准差与集成次数的最优参数组合，执行最优FEEMD，从而进行信号诊断与评估。结果表明，采用PSO-FEEMD，平均分类准确率达到98.5%，相比于传统FEEMD提高了4.3个百分点，在滚动轴承振动信号提取中实现了早期故障信号更为有效的分离，特征频率识别精度显著提升，为复杂工况下的轴承早期故障诊断提供了新的信号分析方法。

关键词

滚动轴承 / 早期故障诊断 / PSO-FEEMD / 信号分析