基于DE-LSSVM的滚动轴承故障诊断

• 作者: 岳晓峰 邵海贺
• 来源期刊: 计算机测量与控制
• 关键词: 集合经验模式分解 能量熵 差分进化算法 最小二乘支持向量机 故障诊断
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 3933-3935,3939
• 页数: 4页
• 分类号: TN911.6|TH165.3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2015.12.007

摘要

针对滚动轴承故障诊断难以获得大量样本的问题以及LS-SVM模型参数选择方法易陷入局部最优的缺点,提出了一种集合经验模态分解能量熵和差分进化算法(DE)优化最小二乘支持向量机相结合的轴承故障诊断方法;首先原始振动信号采用EEMD分解得到一组固有模态函数(IMF),从有效本征模态函数IMF分量中提取的能量特征作为输入建立支持向量机,通过计算不同振动信号的能量熵值大小来判断轴承的故障损伤程度;为了提高模型的诊断精度,采用差分进化算法对LS-SVM的结构参数进行优化,并与LS-SVM和PSO-LSSVM模型相比较;结果表明,DE-LSSVM模型的故障分类准确性得到了提高,可以有效应用于滚动轴承故障诊断中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳晓峰	长春工业大学机电工程学院	84	411	10.0	16.0
2	邵海贺	长春工业大学机电工程学院	4	13	2.0	3.0