10.3969/j.issn.1000-3932.2021.05.012
基于VMD样本熵和CS-ELM的滚动轴承故障诊断
为解决滚动轴承故障信号不稳定和故障识别准确率低的问题,结合VMD样本熵特征提取与布谷鸟搜索(CS)算法优化的超限学习机(ELM)进行故障识别实验.首先对故障信号进行VMD分解并计算样本熵形成特征向量,然后通过CS算法优化ELM输入权值和隐含层阈值,最后利用CS-ELM模型进行分类诊断.实验结果表明:基于VMD样本熵和CS-ELM的滚动轴承故障识别准确率高于99％.
故障诊断、滚动轴承、VMD样本熵、CS-ELM
48
TP206+.3;TH133.33(自动化技术及设备)
国家自然科学基金项目61863016
2021-09-22（万方平台首次上网日期，不代表论文的发表时间）
共7页
469-475
