基于变分模态分解和极限学习机的滚动轴承早期故障诊断
来源期刊:矿山机械2020年第11期
论文作者:吕小威 王恒迪 李志娟 邓四二
文章页码:54 - 58
关键词:变分模态分解;人工鱼群算法;极限学习机;早期故障诊断;
摘 要:针对滚动轴承早期振动信号微弱、故障特征频率难分解等特点,提出了一种基于参数优化变分模态分解 (VMD) 和多特征双层极限学习机 (ELM) 的滚动轴承早期故障诊断方法。首先,采用改进后的人工鱼群算法 (AFSA) 对 VMD 算法的关键影响因子分解个数 K 和二次惩罚因子α进行寻优,以包络熵倒数为适应度函数,获取最佳的滚动轴承振动信号 VMD 分解的本征模态函数 (IMF)。通过计算最优 IMF 分量的样本熵、峭度、均方根值,构造多特征双层 ELM 进行深沟球轴承故障分类。试验表明:该诊断过程可以有效提高滚动轴承故障识别率。
吕小威,王恒迪,李志娟,邓四二
河南科技大学机电工程学院
摘 要:针对滚动轴承早期振动信号微弱、故障特征频率难分解等特点,提出了一种基于参数优化变分模态分解 (VMD) 和多特征双层极限学习机 (ELM) 的滚动轴承早期故障诊断方法。首先,采用改进后的人工鱼群算法 (AFSA) 对 VMD 算法的关键影响因子分解个数 K 和二次惩罚因子α进行寻优,以包络熵倒数为适应度函数,获取最佳的滚动轴承振动信号 VMD 分解的本征模态函数 (IMF)。通过计算最优 IMF 分量的样本熵、峭度、均方根值,构造多特征双层 ELM 进行深沟球轴承故障分类。试验表明:该诊断过程可以有效提高滚动轴承故障识别率。
关键词:变分模态分解;人工鱼群算法;极限学习机;早期故障诊断;