ELM-Adaboost分类器在轴承故障诊断中的运用

• 作者: 胡超 沈宝国 杨妍 谢中敏
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 ELM-Adaboost 因子分析
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 先进制造技术|Advanced Manufacturing Technology
• 页码范围: 111-115
• 页数: 5页
• 分类号: TH16|TH17|V231.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2022.02.025

摘要

研究强分类器ELM-Adaboost模型在滚动轴承故障诊断中的运用.首先,从滚动轴承故障振动信号中提取时域特征参数,并采用因子分析法对变量进行降维处理;其次,对ELM-Adaboost模型中的关键参数进行详细分析,并选择最优的参数对ELM-Adaboost模型进行优化;最后,将ELM-Adaboost模型用于滚动轴承故障诊断中.实验研究结果表明:神经元数量和激活函数都能明显的影响到故障诊断准确率;激活函数采用Hardlim()函数的诊断效果比其它函数要好;ELM-Adaboost模型对神经元数量引起的诊断准确率波动性较小;在重复30次实验中,ELM-Adaboost模型对不同类型的轴承故障诊断准确率均在84％以上,而ELM模型则在78％以上,且ELM-Adaboost模型对重复诊断导致的结果波动性相比较低.