来源：期刊VIP网 时间：
作者：高淑芝;陈雪峰;张义民;石烁;
单位：沈阳化工大学装备可靠性研究所;沈阳化工大学信息工程学院;
摘要：针对滚动轴承的故障诊断与分类，提出了一种基于自适应噪声完全集合经验模态分解（CEEMDAN）、模糊测度熵（FME）和粒子群优化算法-概率神经网络（PSO-PNN）的故障诊断方法。首先，CEEMDAN被用于分解振动信号，由于自适应噪声的加入，分解效果得到最大改善。其次，基于FME，对包含故障的模式进行特征提取。最后，将特征向量输入到经过PSO优化的PNN中进行故障分类，优化后的PNN具有更准确的分类精度。通过实验案例验证，该方法的诊断能力得到验证，且分别与使用经验模态分解（EMD）和集合EMD(EEMD)分解方法进行对比，进一步体现了该方法的优越性。
关键词：噪声辅助;;模态分解;;滚动轴承;;故障诊断
基金资助：NSFC-国家自然科学重点基金—辽宁联合基金（U1708254）;; 辽宁省特聘教授（No.[2018]3533）项目
