基于小波包和AFSA-SVM的电机故障诊断

• 作者: 胡业林 代斌 宋晓
• 来源期刊: 电子测量技术
• 关键词: 小波包分解 AFSA-SVM 电机 故障诊断
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 48-55
• 页数: 8页
• 分类号: TH133.33
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2005463

摘要

针对电机滚动轴承故障诊断准确率问题,提出基于小波包分析结合人工鱼(AFSA)优化支持向量机(SVM)的电机故障诊断方法.利用小波包多分辨率分析法对电机的震动信号进行多层分解及重构,得到不同频段的信号时频图;然后采用AFSA算法对支持向量机中的参数惩罚参数(C)和核参数(σ)进行寻优选择,并最终建立AFSA-SVM故障诊断模型,提取信号时频图中频带能量值作为AFSA-SVM的输入特征向量进行学习、测试.最后通过仿真实验验证,故障诊断准确率达98.7％,并与粒子群算法优化支持向量机(PSO-SVM)和未经优化的支持向量机对比分析,结果表明该方法具有更高的故障诊断识别效果.