EEMD_H与ITLBO_SVM相结合的滚动轴承故障诊断方法

• 作者: 包珊珊 张敏 蔡振宇
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 滚动轴承 集合经验模态分解 希尔伯特 改进教与学算法 支持向量机 故障诊断
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 理论与方法研究
• 页码范围: 39-42,47
• 页数: 5页
• 分类号: TH16|TH17
• 字数: 4717字
• 语种: 中文

摘要

针对滚动轴承数据信号不稳定、非线性的特性,提出一种采用集合经验模态分解(EEMD)、希尔伯特(Hilbert)变换实现特征提取,改进教与学算法(ITLBO)优化支持向量机(SVM)参数的滚动轴承故障诊断方法.首先通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获得模态函数的瞬时频率;对模态函数和其瞬时频率进行统计特征提取并实现特征变量降维,提高诊断效率;最后利用ITLBO算法优化SVM参数,构造ITLBO_SVM诊断模型进行多分类故障诊断.实例证明,信号经过EEMD分解和Hilbert变换再提取特征信息,代入ITLBO_SVM的优化模型比传统的粒子群算法优化模型的正确率更高,效果更稳定,验证了该方法的可行性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敏	西南交通大学机械工程学院	63	389	10.0	17.0
2	蔡振宇	西南交通大学机械工程学院	5	6	1.0	2.0
3	包珊珊	西南交通大学机械工程学院	4	6	1.0	2.0