IR
ADCS-ELM算法滚动轴承故障诊断
余萍; 曹洁; 黄开杰
2020-05-06
Source Publication传感器与微系统
ISSNISSN:2096-2436
Issue2020年05期Pages:页码:129-132+136
Abstract针对滚动轴承的故障信息难以从复杂噪声背景下的非平稳振动信号中提取且传统方法分类精度低等问题,提出一种基于集合经验模态分解(EEMD)能量特征提取和优化极限学习机神经网络(ADCSELM)分类诊断相结合的轴承故障诊断方法。利用EEMD对非线性和非平稳信号的自适应分解能力,将待检测轴承故障信号分解为包含故障特征的固有模态函数集(IMFs),并提取能量特征向量;利用自适应动态搜索步长改进布谷鸟搜索算法(ADCS)优化ELM网络连接权值和隐层阈值;将提取的故障特征向量用于训练极限学习机神经网络,得到最优权值和阈值;利用ADCS-ELM进行轴承故障诊断实验。实验结果表明:与BP,LVQ和ELM网络轴承故障诊断方法相比较,所提方法能够有效提高故障识别准确率,并且具有更快的计算速度。
Keyword集合经验模态分解 固有模态函数集 极限学习机 布谷鸟搜索算法 故障诊断 滚动轴承
DOI10.13873/J.1000-9787(2020)05-0129-04
URL查看原文
Indexed ByCNKI
Language中文
Document Type期刊论文
Identifierhttp://ir.lut.edu.cn/handle/2XXMBERH/56800
Collection兰州理工大学
电气工程与信息工程学院
Affiliation1.兰州理工大学电气工程与信息工程学院
2.甘肃省工业过程控制重点实验室
3.兰州理工大学电气与控制工程国家级实验教学示范中心
Recommended Citation
GB/T 7714
余萍,曹洁,黄开杰. ADCS-ELM算法滚动轴承故障诊断[J]. 传感器与微系统,2020(2020年05期):页码:129-132+136.
APA 余萍,曹洁,&黄开杰.(2020).ADCS-ELM算法滚动轴承故障诊断.传感器与微系统(2020年05期),页码:129-132+136.
MLA 余萍,et al."ADCS-ELM算法滚动轴承故障诊断".传感器与微系统 .2020年05期(2020):页码:129-132+136.
Files in This Item:
There are no files associated with this item.
Related Services
Usage statistics
Google Scholar
Similar articles in Google Scholar
[余萍]'s Articles
[曹洁]'s Articles
[黄开杰]'s Articles
Baidu academic
Similar articles in Baidu academic
[余萍]'s Articles
[曹洁]'s Articles
[黄开杰]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[余萍]'s Articles
[曹洁]'s Articles
[黄开杰]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.