基于改进果蝇算法优化WKELM的医疗滚动轴承故障诊断技术研究

• 作者: 何成 刘长春 吴涛 徐颖 武洋 陈童
• 来源期刊: 计算机测量与控制
• 关键词: 医疗滚动轴承 故障诊断 VMD分解 LGMS-FOA-WKELM算法
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 71-76
• 页数: 6页
• 分类号: TP206
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.05.017

摘要

针对传统小波核极限学习机(Extreme Learning Machine,ELM)应用于医疗滚动轴承故障诊断中识别精度不高且训练速度慢的一系列问题的出现,并针对性的想出一种更好地对滚动转轴发生的故障进行识别的办法,通过对小波核极限学习机算法进行改进的方法;该方法运用改进果蝇算法(LGMS-Fruit-flying Optimization Algorithm,LGMS-FOA)优化小波核极限学习机中的正则化系数和小波核函数中的参数;采用的方法是变分模态分解(Variational Mode Decomposition,VMD),通过这种方法能够对滚动轴承的故障信号分解为含有故障信息的各模态分量从而提取到故障特征;通过与其他三种算法的实验结果对比证明,基于LGMS-FOA-WKELM的滚动轴承故障诊断方法的识别精度更高且训练时间更短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何成	上海第二工业大学智能制造与控制工程学院	13	45	3.0	6.0
2	陈童		22	54	4.0	6.0
3	刘长春	上海第二工业大学环境与材料工程学院	3	7	2.0	2.0
4	吴涛	上海第二工业大学环境与材料工程学院	6	41	2.0	6.0
5	武洋	上海第二工业大学环境与材料工程学院	3	7	2.0	2.0
6	徐颖	上海第二工业大学环境与材料工程学院	1	2	1.0	1.0