基于ICEEMD及AWOA优化ELM的机械故障诊断方法

论文摘要

旋转机械设备故障检测及识别一直是研究的热点。针对目前故障特征提取和诊断方法的不足,提出一种基于改进的完备集合经验模态分解（ICEEMD）与自适应鲸鱼优化算法（AWOA）优化极限学习机（ELM）的机械故障诊断方法。ICEEMD能够避免在分解过程中产生伪模态,其模式中残留噪声小,使提取故障信息更加准确。利用ICEEMD将采集到的信号分解成多个本征模态函数（IMF）,对滚动轴承不同故障状态IMF的斯皮尔曼等级相关系数（SRCC）的计算结果进行分析,得出筛选IMF的标准为其SRCC大于0.02;将筛选后的IMF的混合熵（HE）作为特征向量。WOA相比其他仿生算法所需要调整的相关参数少、收敛速度快、稳定性好。AWOA利用自适应权重优化WOA的局部搜索方式,进一步提高了收敛精度。利用AWOA对ELM的权值和阈值进行优化,可以提高故障诊断的准确率。通过对比实验证明,AWOA-ELM的学习能力强、故障诊断的准确率更高。AWOA-ELM应用在滚动轴承不同尺寸滚珠和外圈故障诊断中,对滚珠故障诊断的准确率达到99.5%,对外圈故障诊断的准确率达到100%。

论文目录

• 0 引 言
• 1 基于ICEEMD及混合熵的特征提取
•   1.1 改进的完备集合经验模态分解
•     1)对原始信号s加入零均值的单位协方差的高斯白噪声w（i）（i=1,2,…,I）,得:
•     2)通过EMD对s（i）迭代i次计算s（i）的局部均值,从而得到第1个残差r1和IMF1为:
•     3)第2个残差是r1+β1E2（w（i））的平均局部均值,因此,r2和IMF2为:
•     4)设n=3,4,…,m时,计算第n个残差为:
•     5)计算第n个IMFn为:
•   1.2 斯皮尔曼等级相关系数
•   1.3 混合熵
•     1)加权排列熵
•     2)模糊近似熵
•     3)实验对比
• 2 AWOA优化ELM的故障诊断方法
•   2.1 ELM的隐含层节点数和激励函数的确定
•   2.2 AWOA对ELM的权值和阈值优化
•     1)WOA算法
•       （1）收缩猎物包围
•       （2）气泡网狩猎
•       （3）随机搜索猎物
•     2)AWOA算法
• 3 实验及结果分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 张淑清,苑世钰,姚玉永,穆勇,王丽丽

关键词: 混合熵,机械故障诊断方法

来源: 仪器仪表学报 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 燕山大学电气工程学院,国网冀北电力有限公司唐山供电公司

基金: 国家重点研发项目(2018YFB0905500),国家自然科学基金(51875498),河北省自然科学基金(E2018203339),河北省专业学位研究生教学案例库建设项目(KCJSZ2017022)资助

分类号: TH133.33;TP277

DOI: 10.19650/j.cnki.cjsi.J1905551

页码: 172-180

总页数: 9

文件大小: 3356K

下载量: 343