基于VMD能量熵与优化支持向量机的轴承故障诊断
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1000-1158.2021.07.11

基于VMD能量熵与优化支持向量机的轴承故障诊断

引用
滚动轴承早期故障信号比较微弱,且受噪声与振动耦合影响,导致其故障判别失准.基于变分模态分解算法(VMD)与能量熵结合构建多模态特征矩阵,以灰狼算法(GWO)优化支持向量机(SVM)参数,提出VMD-Entropy-OSVM轴承智能故障诊断,采用轴承实验数据验证所提方法的有效性与优越性.实验结果表明:VMD-Entropy-OSVM不仅可识别轴承损伤末期的不同故障类型,且在识别损伤初期亦有较高准确度;在信噪比为8 dB下准确率高达99.8%,比现有方法提高3.3%~27.3%;当信噪比为0 dB下仍有73.5%的准确度,比现有方法提高11%~33%,该模型表现出良好的泛化性能;在相同计算资源下,所需运行时间更短,效率更高.

计量学;智能故障诊断;滚动轴承;变分模态分解;能量熵;灰狼算法;支持向量机;优化

42

TB936;TB973(计量学)

国家自然科学基金;上海市"科技创新行动计划"地方院校能力建设项目

2021-08-23(万方平台首次上网日期,不代表论文的发表时间)

共8页

898-905

相关文献
评论
暂无封面信息
查看本期封面目录

计量学报

1000-1158

11-1864/TB

42

2021,42(7)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn