基于小波包和AFSA-SVM的电机故障诊断

摘要：

针对电机滚动轴承故障诊断准确率问题,提出基于小波包分析结合人工鱼(AFSA)优化支持向量机(SVM)的电机故障诊断方法.利用小波包多分辨率分析法对电机的震动信号进行多层分解及重构,得到不同频段的信号时频图;然后采用AFSA算法对支持向量机中的参数惩罚参数(C)和核参数(σ)进行寻优选择,并最终建立AFSA-SVM故障诊断模型,提取信号时频图中频带能量值作为AFSA-SVM的输入特征向量进行学习、测试.最后通过仿真实验验证,故障诊断准确率达98.7％,并与粒子群算法优化支持向量机(PSO-SVM)和未经优化的支持向量机对比分析,结果表明该方法具有更高的故障诊断识别效果.

关键词：小波包分解;AFSA-SVM;电机;故障诊断

所属期刊栏目：44

分类号：TH133.33

在线出版日期：2021-06-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：48-55