形态滤波优化算法用于滚动轴承故障诊断

为了有效地从非线性、非平稳性的滚动轴承振动信号中提取有用的信息成分，提出了一种优化的形态滤波算法-Elman神经网络相结合的方法。首先，采用局域均值分解(LMD)将轴承振动信号分解成若干PF(product runction,简称PF)分量之和;然后,利用峭度最大准则选取PF分量，再用自适应多尺寸多结构元素形态滤波器对其进行滤波解调，进而提取出能量特征向量，作为Elman神经网络的输入参数;最后,区分滚动轴承故障状态和故障类型。仿真分析和试验研究表明，该方法能够有效地提取出滚动轴承的故障特征，与传统的高频共振解调方法相比效果更加明显，与小波包分析-BP神经网络故障诊断方法对比，显示出其具有更高的识别率，更加表明其可行性和有效性。