基于核极限学习机的旋转机械故障诊断方法

• 作者: 温峥 温焕然 王普 高学金
• 来源期刊: 噪声与振动控制
• 学科: 交通运输
• 关键词: 振动与波 旋转机械 故障诊断 核极限学习机
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 138-143
• 页数: 6页
• 分类号: TP206+.3|U666.16+2
• 字数: 3593字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2018.02.027

摘要

传统的旋转机械故障诊断存在需人工干预、诊断精度低等问题.为更好诊断旋转机械故障,提出基于核极限学习机的旋转机械故障诊断方法.首先在正常状态和转子不平衡、转子不对中、轴承座松动3种故障状态下采集旋转机械的振动信号,降噪后提取各频段小波能量作为故障特征,以此为基础建立基于核极限学习机的旋转机械故障诊断模型.在旋转机械故障模拟实验台上进行的应用实验表明,KELM方法比ELM有更高的稳定性,KELM的故障诊断准确率大于99 %,诊断性能优于极限学习机和支持向量机.