基于近邻元分析算法的滚动轴承复合故障诊断

滚动轴承发生复合故障时,由于故障之间的相互耦合效应导致其振动信号特征十分复杂,基于信号处理的故障处理方法往往难以取得理想的结果,智能分类算法是一种行之有效的替代方法.基于上述分析,提出基于近邻元分析法(NCA)的滚动轴承复合故障智能诊断方法.利用常规时域、时频域特征提取方法对滚动轴承不同复合故障振动信号进行特征提取;利用NCA对提取到的特征向量进行分类,取得理想的诊断效果.通过滚动轴承复合故障实验,验证了所述方法的有效性.为突出近邻元方法的优越性,将其分类效果与主成分分析方法(PCA)的分类效果进行对比.对比结果证明:近邻元方法具有更高的分类正确率.