基于IFD与DE-ELM的轴承故障诊断

针对局部均值分解（LMD）实现过程中存在的模态混淆现象和端点效应,影响识别精度的问题,提出了一种基于本征频率尺度分解（IFD）与差分进化极限学习机（DE-ELM）的方法。该方法将数字图像处理的频率分辨率概念与LMD结合起来;首先确定原始振动信号中的所有局部极值点的频率分辨率,将振动信号分为高频率分辨率区域和低频率分辨率区域;然后,构造本征频率尺度函数,将本征频率尺度函数添加到局部极值点低频率分辨率区域;最后,对添加本征频率尺度函数的原始振动信号进行LMD分解,在得到的乘积函数（PF）分量中剔除本征频率尺度函数,就可以得到突出原始信号振动特征的不同频率分辨率的PF分量,提取PF分量的特征参数构建特征向量作为DE-ELM的输入,进行故障类型识别。将该方法应用于轴承故障诊断,与LMD相比,故障识别精度提高了8.33%,表明了该方法的有效性与可行性。