基于局部均值分解和贝叶斯网络的轴承故障诊断方法

摘要

针对轴承故障诊断领域中特征提取困难且故障诊断准确率不高的问题，提出一种基于局部均值分解和贝叶斯网络的轴承故障诊断方法。首先，对采集的轴承振动信号进行局部均值分解，得到若干个乘积函数，并进行相关性分析筛选得到相关度最高的乘积函数分量；其次，对乘积函数分量提取时域、频域和时频域特征共22维特征用于表征轴承状态，利用主成分分析算法进行特征降维，对低维敏感特征矩阵进行离散化，并进行贝叶斯网络结构学习；最后，依据学习得到的贝叶斯网络进行故障诊断，通过测试集进行验证。结果表明：提出的故障诊断方法效果更好，准确率达到89.17%，相较于其他经典故障诊断方法准确率更高。

关键词

局部均值分解 / 特征提取 / 贝叶斯网络 / 故障诊断

基金资助

国家自然科学基金重点项目（61933013）