论文部分内容阅读
提出一种基于内禀模态函数（Intrinsic Mode FunetionIMF）、自回归（Auto—Regressive,AR）模型和关联维数的滚动轴承故障诊断方法。该方法首先采用经验模态分解（Empirical Mode DecompositionEMD）将滚动轴承振动信号分解成若干个IMF，然后对包含主要故障信息的IMF分量建立AR模型，计算AR模型自回归参数的关联维数，并以关联维数作为特征向量输入神经网络分类器，最后通过网络的输出结果来识别轴承的工作状态和故障类型。对实验数据的分析结果表明，该方法能