基于AACA-LSSVM的同步发电机滚动轴承故障分类

• 作者: 张强 李伟伟 王莉
• 来源期刊: 大电机技术
• 关键词: 轴承故障分类 自适应蚁群算法 最小二乘支持向量机 经验模态分解 关联维数 Shannon信息熵
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 电机部分
• 页码范围: 21-23,38
• 页数: 4页
• 分类号: TM312
• 语种: 中文

摘要

针对LSSVM模型在同步发电机轴承故障分类训练中时间过长、分类精度不高的缺点,本文提出自适应蚁群算法改进LSSVM模型的方法.自适应调整蚁群算法的挥发因子和状态转移规则,寻找最优的LSSVM参数,建立AACA-LSSVM模型.提取不同故障状态下的轴承振动信号,经EMD分解后,计算IMF分量的关联维数和Shannon信息熵,以此作为故障样本数据训练分类模型.仿真实验中与LSSVM模型进行了对比,结果表明AACA-LSSVM在分类时间和精度上都优于LSSVM模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张强	空军工程大学防空反导学院	90	520	13.0	18.0
2	王莉	空军工程大学防空反导学院	39	203	7.0	13.0
3	李伟伟	空军工程大学防空反导学院	7	27	3.0	5.0