基于改进Fisher准则、VMD、距离相关系数和核极限学习机的轴承故障诊断

• 作者: 丁建明 宋坤骏 林建辉
• 来源期刊: 铁道机车车辆
• 学科: 交通运输
• 关键词: 距离相关系数 改进Fisher准则 变分模态分解 模拟退火粒子群算法 小波核极限学习机
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 专题研究
• 页码范围: 22-28
• 页数: 7页
• 分类号: U269.32+2
• 字数: 6365字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-7842.2018.03.05

摘要

针对滚动轴承早期微弱故障特征提取问题和诊断模型的参数优化问题,提出一种基于变分模态分解(VMD)和距离相关系数的特征提取方法和基于模拟退火粒子群算法的参数优化方法.首先依据不出现模态混叠的条件和信噪比最大的准则确定VMD的参数k和a,其次将分解所得各个模态的峭度,中心频率和同原信号的距离相关系数作为小波核极限学习机的特征向量,并用模拟退火粒子群算法基于改进的核空间的Fisher准则优化小波核的2个参数,同原始Fisher准则相比提升了分类准确率,适用于小样本训练集下核极限学习机的参数优化.对比实验表明相比EMD方法,VMD方法有更高的分类准确率和更好的噪声鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林建辉	西南交通大学牵引动力国家重点实验室	200	1374	17.0	29.0
2	丁建明	西南交通大学牵引动力国家重点实验室	33	156	8.0	11.0
3	宋坤骏	西南交通大学牵引动力国家重点实验室	4	9	2.0	3.0