基于EEMD和MFFOA?SVM滚动轴承故障诊断

• 作者: 何青 毛新华 褚东亮
• 来源期刊: 中国机械工程
• 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
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 信息技术
• 页码范围: 1191-1197
• 页数: 7页
• 分类号: TH113.2|TB533
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2016.09.009

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	褚东亮		8	42	4.0	6.0
2	何青		103	471	12.0	15.0
3	毛新华		8	44	4.0	6.0