基于敏感特征選取與改進NPE的滾動軸承故障診斷方法

田媛媛，黃雅玲，董 飛，丁恩杰

（1.中國礦業大學信息與控制工程學院，江蘇 徐州 221008；2.中國礦業大學物聯網（感知礦山）研究中心，江蘇 徐州 221008）

1 引言

滾動軸承作為旋轉機械的關鍵部件之一，其工作狀態會直接影響到整個旋轉機械的運行狀態，研究滾動軸承智能故障診斷技術對于保障設備安全穩定運行，減少突發事故的發生以及減少設備維護成本，具有重要的經濟和現實意義與工程價值[1]。近年來，隨著信號處理、數據挖掘以及人工智能的快速發展，基于數據驅動的方法在滾動軸承故障診斷中變得越來越重要，其主要可分為四個步驟：信號處理，特征提取，特征降維和故障模式識別[2-4]。

滾動軸承振動信號能夠及時準確的提供設備狀態特征信息，且可被永久或間歇監測，因此被廣泛用于滾動軸承故障診斷[2]。小波變換是分析非線性、非平穩振動信號的有效方法，但小波變換沒有對信號的高頻部分做進一步的分解，易導致高頻部分故障特征信息的丟失。針對此問題，小波包變換被提出，它能進一步分解信號在高頻區的細節系數，提供更詳細、更全面的時頻面，因此在滾動軸承故障診斷方面得到許多應用[2，5，6]。振動信號經小波包分解后，進行特征提取，構建原始特征集，其中會存在干擾以及冗余信息，可能會影響故障診斷的準確度，因此，需要從原始特征集中提取出有利于故障狀態識別的敏感特征；提出一種基于ReliefF與標準差的故障敏感特征……