基于EEMD能量熵和混合算法的电机轴承故障诊断

• 作者: 冯文成 姚磊 王福忠 韩素敏
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 轴承 故障诊断 粒子群 模拟退火(SA) 集合经验模态分解(EEMD)
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 试验与测试
• 页码范围: 44-49
• 页数: 6页
• 分类号: TM356|TP39
• 字数: 5466字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.02.008

摘要

针对提升机电机轴承振动信号的非平稳特性和单一粒子群算法(PSO)优化径向基函数(RBF)神经网络时存在网络收敛速度慢和适应度值易陷入局部最小的缺点,提出基于集合经验模态分解(EE-MD)能量熵和模拟退火粒子群混合算法(SAPSO)优化RBF神经网络的提升机电机轴承故障诊断方法.基于EEMD求取振动信号各固有模态函数分量的能量熵,并使用相关性分析方法剔除虚假的分量,把筛选后的有效数据作为故障识别的特征向量;利用模拟退火(SA)算法具有局部概率突跳的特性,将SA算法和PSO算法相结合,在优化RBF诊断模型隐含层参数时以实现不同算法间的优劣互补.仿真结果表明,使用SAPSO算法优化后的RBF神经网络模型在提升机电机轴承故障诊断中能够加快网络收敛速度和提升故障识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王福忠	河南理工大学电气工程与自动化学院	145	738	11.0	18.0
2	韩素敏	河南理工大学电气工程与自动化学院	39	159	7.0	11.0
3	冯文成	河南理工大学电气工程与自动化学院	2	1	1.0	1.0
4	姚磊	中平能化集团机械制造有限公司工程技术研发中心	1	0	0.0	0.0