基于ICEEMDAN-MPE和AO-LSSVM的滚动轴承故障诊断
针对滚动轴承故障诊断中特征提取困难和故障类型识别准确率偏低等情况,提出一种基于改进型自适应噪声完整集成经验模态分解(ICEEMDAN)与多尺度排列熵(MPE)结合天鹰算法(AO)优化最小二乘支持向量机(LSSVM)正则化参数和核参数的故障诊断方法.首先通过ICEEMDAN对轴承原始振动信号进行分解,其次根据相关系数和方差贡献率双原则选取符合标准的本征模态分量(IMF),并计算对应分量的MPE,以全面获取故障特征信息;最后将其构成多维特征向量,利用AO-LSSVM辨识模型实现对轴承故障诊断.同时进行多组对比实验,研究结果表明了所提方法在滚动轴承故障诊断中的优越性且识别准确率可达98.95%.
故障诊断、ICEEMDAN、多尺度排列熵、天鹰算法、最小二乘支持向量机
45
TH133.33
湖北省科技厅重大专项;化工装备强化与本质安全湖北省重点实验室开放基金;武汉工程大学第十三届研究生教育创新基金
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
66-71