基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法

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 ICEEM-DAN-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

所属期刊栏目：22

分类号：TH133.33

资助基金：河北省省级科技计划20311901D

在线出版日期：2024-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：33-37,96