| 基于IFD与DE-ELM的轴承故障诊断 |
| |
| 引用本文： | 许有才,万舟,汤超.基于IFD与DE-ELM的轴承故障诊断[J].应用声学,2015,23(12):24-24. |
| |
| 作者姓名： | 许有才 万舟 汤超 |
| |
| 作者单位： | 昆明理工大学 信息与自动化工程学院 云南昆明 650500,昆明理工大学 信息与自动化工程学院 云南昆明 650500,昆明理工大学 信息与自动化工程学院 云南昆明 650500 |
| |
| 基金项目： | 国家质检总局科技计划项目资助(2013QK104)、云南省质量技术监督局科技计划项目资助(2013ynzjkj02)。 |
| |
| 摘 要： | 针对局部均值分解（LMD）实现过程中存在的模态混淆现象和端点效应，影响识别精度的问题，提出了一种基于本征频率尺度分解（IFD）与差分进化极限学习机（DE-ELM）的方法。该方法将数字图像处理的频率分辨率概念与LMD结合起来；首先确定原始振动信号中的所有局部极值点的频率分辨率，将振动信号分为高频率分辨率区域和低频率分辨率区域；然后，构造本征频率尺度函数，将本征频率尺度函数添加到局部极值点低频率分辨率区域；最后，对添加本征频率尺度函数的原始振动信号进行LMD分解，在得到的乘积函数（PF）分量中剔除本征频率尺度函数，就可以得到突出原始信号振动特征的不同频率分辨率的PF分量，提取PF分量的特征参数构建特征向量作为DE-ELM的输入，进行故障类型识别。将该方法应用于轴承故障诊断，与LMD相比，故障识别精度提高了8.33%，表明了该方法的有效性与可行性。
|
| 关 键 词： | 本征频率尺度分解 差分进化 极限学习机 端点效应 模态混淆现象 |
| 收稿时间： | 7/6/2015 12:00:00 AM |
| 修稿时间： | 2015/8/14 0:00:00 |
Research on machine fault diagnosis using IFD and DE-ELM |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
