基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法 |
| |
引用本文: | 许浩飞,潘存治.基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法[J].国防交通工程与技术,2024(1):33-37+96. |
| |
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 |
| |
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ICEEMDAN-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 |
|
|