基于LMD近似熵和改进PSO-ELM的轴承故障诊断

摘要：

针对滚动轴承故障特征提取与故障识别困难的问题,提出局部均值分解(LMD)近似熵和改进粒子群优化的极限学习机(PSO-ELM)结合的滚动轴承故障诊断方法.将不同工况信号用LMD分解为一系列乘积分量,不同工况的信号在不同频带的近似熵值会发生改变,结合相关性系数选出前3个分量,计算近似熵定值作为输入的特征向量.针对PSO早熟收敛的缺点,引入自适应权重法与DE算法对PSO进行改进,将特征值输入到改进PSO-ELM网络模型中,对滚动轴承不同工况进行故障识别与分类.结果表明,基于LMD近似熵和改进粒子群优化的ELM不仅能够识别滚动轴承的故障类型,并且有更高的分类正确率,验证了该方法的可行性.

关键词：局部均值分解、近似熵、改进PSO-ELM、故障诊断

所属期刊栏目：51

分类号：TH133;TG506

在线出版日期：2023-09-26（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：227-232