10.3969/j.issn.1004-132X.2016.09.009
基于EEMD和MFFOA?SVM滚动轴承故障诊断
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。
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
27
TH113.2;TB533
中央高校基本科研业务费专项资金资助项目2014XS25,2014MS17
2016-06-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
1191-1197