基于EEMD和CS-SVM的滚动轴承故障诊断研究

论文摘要

针对数据驱动的滚动轴承故障诊断大多采用支持向量机进行分类,而传统支持向量机的分类方法容易陷入局部最优,无法准确进行故障诊断的问题,对滚动轴承振动信号的特征选择和支持向量机的优化方法进行了研究。分析了粒子群算法优化支持向量机和遗传算法优化支持向量机的不足;基于莱维飞行的布谷鸟搜索算法,引入了一种对支持向量机的参数进行寻优的方法,用于提高滚动轴承故障诊断的识别准确率;该方法首先使用集合经验模态分解对信号数据进行了处理,然后计算本征模态函数的均方根作为特征向量,输入布谷鸟搜索算法优化的支持向量机;最后进行了训练和测试。研究结果表明:利用该方法对实测信号进行分析和诊断,可以准确地识别故障发生的位置以及严重程度;通过与传统优化方法进行对比,验证了该算法的优越性。

论文目录

• 0 引言
• 1 故障信号处理及特征提取
•   1.1 集合经验模态分解
•   1.2 特征提取
• 2 故障特征分类
•   2.1 支持向量机
•   2.2 布谷鸟搜索算法
•     2.2.1 Levy飞行
•     2.2.2 布谷鸟搜索
•   2.3 布谷鸟搜索支持向量机 （CS-SVM）
• 3 实验及结果分析
•   3.1 实验准备
•   3.2 实验结果
• 4 结束语

文章来源

类型: 期刊论文

作者: 梁治华,曹江涛,姬晓飞

关键词: 集合经验模态分解,布谷鸟搜索,支持向量机,故障诊断

来源: 机电工程 2019年06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: 辽宁石油化工大学信息与控制工程学院,沈阳航空航天大学自动化学院

基金: 辽宁省科技公益研究基金资助项目(2016002006),辽宁省自然科学基金资助项目(201602557),辽宁省教育厅科学研究服务地方项目(L201708)

分类号: TP18;TH133.33

页码: 622-627

总页数: 6

文件大小: 854K

下载量: 433