文献类型：期刊文章

作　　者：朱兴统[1,2]

Zhu Xingtong(School of Automation,Guangdong University of Technology,Guangzhou 510006,China;School of Computer,Guangdong University of Petrochemical Technology,Maoming 525000,China)

机构地区：[1]广东工业大学自动化学院,广州510006 [2]广东石油化工学院计算机学院,广东茂名525000

出　　处：《煤矿机械》

基　　金：广东省自然科学基金项目(2018A030307038)。

年　　份：2020

卷　　号：41

期　　号：4

起止页码：159-161

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、PROQUEST、ZGKJHX、核心刊

摘　　要：旋转机械在运行复杂环境下振动信号复杂且有许多噪声,难以有效提取故障特征并准确诊断,为此提出一种人工蜂群优化变分模态分解(VMD)的机械故障诊断方法。首先采用人工蜂群算法优化VMD的参数,对振动信号进行变分模态分解,获得相应的本征模态函数分量;然后对各模态分量信号计算多尺度熵,构造故障特征向量;最后利用最小二乘支持向量机(LS-SVM)进行故障诊断。实验结果表明,该方法具有较高的准确率,准确率达到97.5%,可以满足旋转机械故障诊断的要求。

关 键 词：旋转机械 故障诊断 VMD  人工蜂群算法 LS-SVM

分 类 号：TH133]