单子带重构小波包和排列熵的电机轴承故障诊断

• 作者: 李传鑫 刘增力
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 单子带重构 机器学习 排列熵 SVM 识别率
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 器件与设计
• 页码范围: 63-68,74
• 页数: 7页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.16280/j.videoe.2020.12.018

摘要

针对电机轴承故障信号的复杂性和非平稳性,提出了单子带重构小波包和排列熵的特征提取结合自适应变异粒子群优化支持向量机(Adaptive Mutation Particle Swarm Optimization Algorithm-Support Vector Machine,AMPSO-SVM)的机器学习的故障诊断方法.单子带重构小波包对不同直径尺寸的故障数据信号做三层分解,得到分解系数后,分别结合样本熵和排列熵提取特征构成8维特征向量,并经过参数优化的SVM进行分类识别.实验表明,单子带重构小波包和排列熵提取特征的识别率效果良好.