EEMD-GSSA-SVM滚动轴承故障诊断方法研究

摘要：

针对现有滚动轴承故障诊断算法诊断准确度不高的问题,提出了一种基于集合经验模态分解(EEMD)以及全局麻雀群搜索算法(GSSA)优化支持向量机(SVM)的滚动轴承故障诊断方法.所提方法利用EMMD以及能量矩对原始信号进行模态分解与特征提取.为提高诊断精度,提出一种GSSA-SVM算法.首先提出一种对原始麻雀搜索算法(SSA)中的探索粒子更新方式进行全局化改进,以提高其迭代速度与计算精度的GSSA,然后建立GSSA-SVM模型.最后,利用所提算法对实测信号进行诊断分析,验证了所提方法的有效性与优越性.

关键词：故障诊断、集合经验模态分解、全局麻雀搜索算法、支持向量机

所属期刊栏目：41

分类号：TM277(电工材料)

资助基金：辽宁省重点研发指导计划项目;辽宁省教育厅科学研究一般资助项目;矿山节能减排与电气安全关键技术科技创新团队项目

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：56-59