广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断

作     者：丁嘉鑫 王振亚 姚立纲 蔡永武 DING Jiaxin;WANG Zhenya;YAO Ligang;CAI Yongwu

作者机构：福州大学机械工程及自动化学院福州350116 

出 版 物：《中国机械工程》 (China Mechanical Engineering)

年 卷 期：2021年第32卷第2期

页      面：147-155页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 080202[工学-机械电子工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 

基　　金：国家自然科学基金(51775114,51275092) 福建省工业机器人基础部件技术重大研发平台项目(2014H21010011) 

主　　题：广义复合多尺度加权排列熵 支持向量机 等度规映射 滚动轴承 故障诊断 

摘      要：针对滚动轴承特征提取和故障识别两个关键环节,提出了一种广义复合多尺度加权排列熵(GCMWPE)与参数优化支持向量机相结合的故障诊断方法。利用GCMWPE全面表征滚动轴承故障特征信息,构建高维故障特征集。应用监督等度规映射(S-Isomap)算法进行有效的二次特征提取。采用天牛须搜索优化支持向量机(BAS-SVM)诊断识别故障类型。将所提方法应用于滚动轴承实验数据分析过程,结果表明:GCMWPE特征提取效果优于多尺度加权排列熵、复合多尺度加权排列熵和广义多尺度加权排列熵;GCMWPE与S-Isomap相结合的特征提取方法可在低维空间中有效区分滚动轴承不同故障类型;BAS-SVM的识别正确率和识别速度优于粒子群优化支持向量机、模拟退火优化支持向量机和人工鱼群优化支持向量机;所提方法能够有效、精准地识别出各故障类型。