基于EEMD和MFFOA?SVM滚动轴承故障诊断

摘要：

针对滚动轴承发生故障时，振动信号的时域和频域特征都会发生变化的特点，提出了基于集合经验模态分解(EEMD)、改进果蝇优化算法(MFFOA)和支持向量机(SVM)的滚动轴承故障诊断方法。该方法主要是利用EEMD方法对故障信号进行分解，并计算各IMF分量的均方根值和重心频率，以此进行归一化处理得到特征向量。为了提高诊断精度，采用果蝇优化算法优化SVM参数，建立MFG FOA?SVM模型，然后对提取的特征向量进行训练与测试，从而识别故障与否及发生点蚀故障的程度。利用该方法对实测信号进行分析与诊断，并与遗传算法的优化结果进行对比，验证了该方法的有效性，说明其具有良好的应用前景。

关键词：集合经验模态分解、改进果蝇优化算法、支持向量机、滚动轴承、故障诊断

所属期刊栏目：27

分类号：TH113.2;TB533

资助基金：中央高校基本科研业务费专项资金资助项目2014XS25,2014MS17

在线出版日期：2016-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1191-1197