改进的布谷鸟算法优化极限学习机的石化轴承故障分类

摘要：

针对通用的智能故障诊断方法在石化滚动轴承中准确率不理想的问题,提出一种通过改进的布谷鸟算法(CS)优化极限学习机(ELM)使诊断准确率提高的模型.将实测轴承振动信号降噪处理,计算不同嵌入维度下的关联维数作为ELM的输入信号;通过改进的布谷鸟算法获取极限学习机最优的隐含层偏置、输入权重,最后输出诊断结果.经过实验证明,该方法可以有效地克服测量信号时的干扰,可以对不同故障下的滚动轴承准确识别,并与多种模型对比,该方法的故障诊断准确率为97.5％.

关键词：滚动轴承、故障诊断、布谷鸟算法、极限学习机

所属期刊栏目：40

分类号：TP206.3;TH133.3(自动化技术及设备)

资助基金：国家自然科学基金;广东省高校重点领域新一代信息技术专项;东莞理工学院机器人与智能装备创新中心项目;广东省普通高校机器人与智能装备重点实验室项目;广东省普通高校特色创新项目;湖南省重点实验室开放基金

在线出版日期：2022-08-11（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：3-7,12