摘要：针对机械系统的非平稳、非线性特性,提出了一种基于总体平均经验模式分解（EEMD）近似熵和混合PSO-BP算法的轴承故障诊断方法。EEMD能够解决EMD的端点效应,改善处理非线性信号时的局限性;引入随机权重和压缩因子来改进粒子群算法,优化BP神经网络的权值和阈值,解决BP网络的全局收敛问题。将信号经EEMD得到的IMF分量与近似熵结合,组成特征向量,再将构造的特征向量输入到PSO-BP神经网络中进行模式识别。实验及工程应用实例证明了该方法的有效性和优越性。

关键词：轴承 故障诊断 总体平均经验模式分解 近似熵 混合粒子群神经网络 

单位：燕山大学河北省测试计量技术及仪器重点实验室; 秦皇岛066004