基于 ASTFA 降噪和 AKVPMCD 的滚动轴承故障诊断方法

• 作者: 何知义 李紫珠 杨宇 程军圣
• 来源期刊: 中国机械工程
• 关键词: 自适应最稀疏时频分析降噪 AKVPMCD 滚动轴承 故障诊断
• 年，卷（期）: 2015,（21）
• 所属期刊栏目: 科学基金
• 页码范围: 2934-2940
• 页数: 7页
• 分类号: TH113
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2015.21.016

摘要

提出了一种滚动轴承故障诊断的新方法。首次将自适应最稀疏时频分析(ASTFA)方法应用于振动信号的降噪，并针对 KVPMCD 方法只选择一种最佳相关模型而忽略其他几种相关模型对预测精度贡献的缺陷，提出了一种改进的 KVPMCD 模式识别算法———人工鱼群算法优化融合 Kriging 模型的基于变量预测模型的模式识别(AKVPMCD)算法，即采用收敛速度快、鲁棒性强、具有全局寻优能力的人工鱼群智能算法(AFSIA)优化融合多种 Kriging 相关模型来提高模型预测精度。在此基础上，提出了一种基于 ASTFA 降噪和 AKVPMCD 算法的滚动轴承故障诊断方法。实验结果表明，该方法可以有效提高分类识别的精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宇	湖南大学汽车车身先进设计制造国家重点实验室	170	5200	44.0	68.0
2	程军圣	湖南大学汽车车身先进设计制造国家重点实验室	210	5603	44.0	69.0
3	何知义	湖南大学汽车车身先进设计制造国家重点实验室	5	28	3.0	5.0
4	李紫珠	湖南大学汽车车身先进设计制造国家重点实验室	3	14	2.0	3.0