基于EEMD和IGSA-SOM神经网络的滚动轴承故障诊断

• 作者: 周婉 廖溢文 李旭东 杨威嘉 杨建东 赵志高
• 来源期刊: 水利水电快报
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 EEMD IGSA-SOM神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 运行与管理
• 页码范围: 46-52
• 页数: 7页
• 分类号: TH165.3
• 字数: 4666字
• 语种: 中文
• DOI: 10.15974/j.cnki.slsdkb.2020.05.009

摘要

针对水电机组滚动轴承振动信号的非平稳性和现实中难以获得大量典型故障样本的实际情况,提出了一种基于集合经验模态分解法(EEMD)和改进引力搜索算法(IGSA)的自组织特征映射网络(IG-SA-SOM)故障诊断方法.首先通过EEMD分解将非平稳的原始振动信号分解成若干个平稳的本征模函数(IMF),随后进行能量特征提取,得到反映振动信号的特征向量,再采用IGSA算法对SOM神经网络权重进行优化,最后将得到的特征向量输入到IGSA-SOM神经网络中进行故障自动识别.结果表明:相比未优化的SOM,IGSA-SOM方法使滚动轴承故障类型识别的准确率提高了11.11%,可以准确地提取滚动轴承故障特征,具有较高的识别精度,可有效地应用于滚动轴承的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李旭东	武汉大学水资源与水电工程科学国家重点实验室	12	13	2.0	3.0
2	杨建东	武汉大学水资源与水电工程科学国家重点实验室	129	910	16.0	22.0
3	赵志高	武汉大学水资源与水电工程科学国家重点实验室	5	5	2.0	2.0
4	杨威嘉	武汉大学水资源与水电工程科学国家重点实验室	10	22	3.0	4.0
5	廖溢文	武汉大学水资源与水电工程科学国家重点实验室	4	0	0.0	0.0
6	周婉	武汉大学水资源与水电工程科学国家重点实验室	3	6	2.0	2.0