10.16526/j.cnki.11-4762/tp.2015.12.007
基于DE-LSSVM的滚动轴承故障诊断
针对滚动轴承故障诊断难以获得大量样本的问题以及LS-SVM模型参数选择方法易陷入局部最优的缺点,提出了一种集合经验模态分解能量熵和差分进化算法(DE)优化最小二乘支持向量机相结合的轴承故障诊断方法;首先原始振动信号采用EEMD分解得到一组固有模态函数(IMF),从有效本征模态函数IMF分量中提取的能量特征作为输入建立支持向量机,通过计算不同振动信号的能量熵值大小来判断轴承的故障损伤程度;为了提高模型的诊断精度,采用差分进化算法对LS-SVM的结构参数进行优化,并与LS-SVM和PSO-LSSVM模型相比较;结果表明,DE-LSSVM模型的故障分类准确性得到了提高,可以有效应用于滚动轴承故障诊断中.
集合经验模式分解、能量熵、差分进化算法、最小二乘支持向量机、故障诊断
23
TN911.6;TH165.3
吉林省科技厅基金资助项目20110303
2016-01-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
3933-3935,3939