简介概要

基于VMD-KPCA-OSELM算法的滚动轴承故障诊断

来源期刊:控制工程2017年第S1期

论文作者:吴东升 贾琼 杨青 李烨 付丽君

文章页码:113 - 117

关键词:故障诊断;变分模态分解;在线惯序极限学习机;电机轴承;

摘    要:为了提高滚动轴承故障诊断的准确性,提出了变分模态分解(VMD)与在线贯序极限学习机(OSELM)相结合的VMD-KPCA-OSELM方法对轴承故障进行诊断。首先利用VMD对所提取轴承信号进行去噪;其次,应用KPCA对去噪后的数据进行故障特征提取和降维压缩;最后,运用OSELM方法对轴承故障进行分类。实验结果表明,所提的集合型方法能通过计算每个模态的中心频率将带宽的求解转化为约束问题的寻优,有效地区分出不同的模态,对故障信号进行滤波并提取故障特征,且在诊断快速性方面优于传统单梯度下降学习方法。所提的集合型VMD-KPCA-OSELM方法比常规的单一型方法更适用于滚动轴承的故障诊断。

详情信息展示

基于VMD-KPCA-OSELM算法的滚动轴承故障诊断

吴东升,贾琼,杨青,李烨,付丽君

沈阳理工大学自动化与电气工程学院

摘 要:为了提高滚动轴承故障诊断的准确性,提出了变分模态分解(VMD)与在线贯序极限学习机(OSELM)相结合的VMD-KPCA-OSELM方法对轴承故障进行诊断。首先利用VMD对所提取轴承信号进行去噪;其次,应用KPCA对去噪后的数据进行故障特征提取和降维压缩;最后,运用OSELM方法对轴承故障进行分类。实验结果表明,所提的集合型方法能通过计算每个模态的中心频率将带宽的求解转化为约束问题的寻优,有效地区分出不同的模态,对故障信号进行滤波并提取故障特征,且在诊断快速性方面优于传统单梯度下降学习方法。所提的集合型VMD-KPCA-OSELM方法比常规的单一型方法更适用于滚动轴承的故障诊断。

关键词:故障诊断;变分模态分解;在线惯序极限学习机;电机轴承;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号