机床与液压

作者：周正南，刘美，吴斌鑫，莫常春，高兴泉，张斐

单位：广东石油化工学院;吉林化工学院；广东石油化工学院；广东石油化工学院;吉林化工学院；大连交通大学;大连交通大学；吉林化工学院；东莞理工学院

关键词：轴承;故障诊断;CEEMDAN;关联维数;G-P算法

基金：国家自然科学基金面上项目（62073091）；广东省高校重点领域（新一代信息技术）专项（2020ZDZX3042）；东莞理工学院机器人与智能装备创新中心（KCYCXPT2017006）；广东省普通高校机器人与智能装备重点实验室项目（2017KSYS009）；广东省普通高校特色创新项目（2017KTSCX176）;机械设备健康维护湖南省重点实验室开放基金（21903）

针对石化机组轴承振动信号难以自动区分的问题，提出一种基于改进的自适应噪声完备集合经验模态分解(CEEMDAN)与关联维数的石化轴承故障特征提取方法。选取某故障诊断重点实验室实测的轴承故障数据中4种工况下的轴承振动信号进行测试分析，采用改进的CEEMDAN分解测得的振动信号得到多个模态分量IMF，对得到的高频分量进行叠加求和后求取数据的嵌入维数和延迟时间并进行相空间重构，结合G-P算法求不同嵌入维数下的关联维数进行特征提取。通过极限学习机进行实验，准确率达到92.5%，证明了方法的有效性。

来源：2023年第5期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第5期