一种基于EEMD-SVD和FCM的轴承故障诊断方法

提出了一种基于总体平均经验模式分解(EEMD)和奇异值分解(SVD)的模糊C均值聚类(FCM)相结合的轴承故障诊断方法。首先对轴承信号进行EEMD分解,得到若干个平稳的本征模函数(IMF),再通过相关性分析筛选包含主要信息的前几个分量进行奇异值分解,然后将得到的奇异值矩阵作为特征向量,通过FCM模糊聚类进行识别。实验结果表明,此方法可有效地对轴承故障类型进行识别。

A Bearing Fault Diagnosis Method Based on EEMD-SVD and FCM Clustering