|
|||||
|
|
| 基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法 | |
| 作者姓名： | 许浩飞 潘存治 |
| 作者单位： | 石家庄铁道大学机械工程学院,河北 石家庄 050043 |
| 基金项目： | 河北省省级科技计划(20311901D); |
| 摘 要： | 针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation Entropy,MPE)和灰狼算法优化支持向量机(Grey Wolf Optimization Algorithm-Support Vector Machine,GWO-SVM)结合的故障诊断方法.首先将轴承信号进行 ICEEMDAN分解,然后选取其中相关性较大的 IMF(Intrinsic Mode Function)分量计算多尺度排列熵构成特征集合,最后通过 GWO-SVM算法进行故障状态识别.通过滚动轴承数据集和不同算法的对比实验,验证了 ICEEM-DAN-MPE-GWO-SVM方法的有效性,表明该方法可以准确且快速的诊断滚动轴承的故障情况. |
| 关 键 词： | 滚动轴承 改进自适应噪声完备集成经验模态分解(ICEEMDAN) 多尺度排列熵(MPE) 支持向量机(SVM) 灰狼算法(GWO) 故障诊断 |
| 本文献已被 万方数据 等数据库收录！ | |