蝙蝠算法优化极限学习机的滚动轴承故障分类

• 作者: 吕运容 孙国玺 张清华 胡勤 覃爱淞
• 来源期刊: 计算机测量与控制
• 关键词: 蝙蝠算法 极限学习机 无量纲指标 滚动轴承 故障诊断
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 53-57
• 页数: 5页
• 分类号: TP206+.3
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.05.013

摘要

针对传统智能故障诊断方法在滚动轴承的故障诊断中诊断准确率不高的问题,引入了一种启发式搜索算法——蝙蝠算法(BA)优化极限学习机(ELM)的方法,利用ELM构建滚动轴承故障诊断分类模型;首先采用滚动轴承振动信号的5种代表性时域无量纲指标作为诊断模型输入特征,然后,利用蝙蝠算法的全局寻优能力对ELM模型的参数进行优化,获取最优输人权重和隐含层偏置的ELM分类模型,最后采用美国西储大学轴承数据中心网站公开发布的轴承探伤数据集验证算法诊断效果;实验结果表明:该方法可以有效地对滚动轴承不同故障状态进行识别,与BP神经网络、支持向量机(SVM)和极限学习机(ELM)方法比较,所提出的方法能够提高故障诊断准确率,达到99.17％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙国玺	广东石油化工学院广东省石化装备故障诊断重点实验室	40	92	5.0	8.0
2	张清华	广东石油化工学院广东省石化装备故障诊断重点实验室	44	181	8.0	11.0
3	覃爱淞	广东石油化工学院广东省石化装备故障诊断重点实验室	20	41	4.0	5.0
5	胡勤	广东石油化工学院广东省石化装备故障诊断重点实验室	23	51	4.0	5.0
8	吕运容	广东石油化工学院广东省石化装备故障诊断重点实验室	3	2	1.0	1.0