CEEMD与AO-SVM结合的风机轴承故障诊断

由于风机的运行环境恶劣,当轴承发生故障时,其振动信号往往受到环境噪声的干扰,导致对于振动信号的故障信息提取困难。针对这一问题,本文提出了一种基于互补集合经验模态分解（CEEMD）和样本熵（SE）结合的特征提取方法,并将天鹰优化算法（AO）与支持向量机（SVM）结合进行故障分类,实现对风机轴承的故障诊断。本文采用凯斯西储大学轴承数据进行实验,并采用真实风机轴承数据进行进一步的验证。实验结果表明本文所提出方法具有很高的故障识别准确率。