摘要：为了对非平稳、非线性系统时间序列进行建模,提出一种基于经验模式分解的神经网络预测模型,研究它的有效性.通过太阳黑子数据的仿真试验,验证该神经网络结构比对应的单一神经网络结构性能优越.根据该方法组成一个多分量神经网络模型库,用于转子故障的模型诊断,这些模型可以用做一步向前预测器,对检测和诊断信号进行比较,从预测误差提取特征,能够确定机器的状态.不同故障状态的转子振动信号用来训练和检验模型.实验数据表明,这种方法用于故障诊断具有一定的工程实用性.

关键词：转子 经验模式分解 神经网络 时间序列 故障诊断 

单位：唐山学院信息工程系; 河北省唐山市063000; 河北理工大学计控学院; 河北省唐山市063000; 大连理工大学振动工程研究所; 辽宁省大连市116023