ADCS-ELM算法滚动轴承故障诊断

doi:10.13873/J.1000-9787(2020)05-0129-04

CORC > 兰州理工大学 > 兰州理工大学

	ADCS-ELM算法滚动轴承故障诊断
	余萍 ; 曹洁 ; 黄开杰
刊名	传感器与微系统
	2020-05-06
期号	2020年05期页码:页码：129-132+136
关键词	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
ISSN号	ISSN：2096-2436
DOI	10.13873/J.1000-9787(2020)05-0129-04
英文摘要	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。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/56800]
专题	兰州理工大学电气工程与信息工程学院
作者单位	1.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
推荐引用方式 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.