基于ICEEMDAN能量矩和HHO-KLEM的滚动轴承故障诊断
Fault Diagnosis Method of Rolling Bearings Based on ICEEMDAN Energy Moment and HHO-KLEM作者机构:青岛大学自动化学院山东青岛266071
出 版 物:《噪声与振动控制》 (Noise and Vibration Control)
年 卷 期:2023年第43卷第4期
页 面:142-148页
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金:山东省自然科学基金资助项目(ZR2019MF063) 山东省重点研发计划资助项目(2017GGX10115)
主 题:故障诊断 改进的完备集成经验模态分解 能量矩 哈里斯鹰算法 核极限学习机
摘 要:为充分提取振动信号的特征信息并提高滚动轴承故障类型分类的准确率,提出一种基于改进的完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)能量矩和哈里斯鹰算法-核极限学习机(Harris Hawk Algorithm-kernel Limit Learning Machine,HHO-KELM)的滚动轴承诊断方法。首先采用ICEEMDAN将原始振动信号分解并得到一系列本征模态函数(Intrinsic Mode Function,IMF),利用能量矩对其进行特征提取并构造包含关键特征信息的多维特征向量;其次将故障特征向量用于KELM的模型训练,通过HHO对KELM的正则化系数和核参数进行优化;最后通过HHO-KELM模型进行滚动轴承故障诊断。实验数据分析结果表明:所提出的方法分类可有效保留不同故障类型的特征差异,能够提高轴承故障识别准确率,具有一定的可靠性和实用性。