基于OHF Elman-AdaBoost算法的滚动轴承故障多时期诊断方法

摘要：

针对随机噪声下滚动轴承多时期(初期、中期、晚期)故障诊断需求,提出OHF Elman-AdaBoost (output hidden feedback Elman-adaptive boosting)算法,以实现滚动轴承的精确故障诊断.采用集合经验模态分解(ensemble empirical mode decomposition,EEMD)对原始信号进行分解、降噪、信号重构.设计OHF Elman方法在Elman神经网络的基础上增加输出层对隐含层的反馈,提高了其对动态数据的记忆功能.选择OHF Elman神经网络作为弱回归器,结合AdaBoost算法集成出一种新的强回归器:OHF Elman-AdaBoost算法.实验结果表明,该算法不仅对滚动轴承不同故障时期具有很好的诊断效果,而且提高了对全样本数据的诊断准确度,为滚动轴承故障诊断提供了新型工具和有效方案.

关键词：滚动轴承、OHF Elman-AdaBoost、神经网络、集合经验模态分解(EEMD)、故障多时期诊断

所属期刊栏目：40

分类号：TH17

资助基金：国家自然科学基金;机械系统与振动国家重点实验室重点课题

在线出版日期：2021-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：71-78