文献类型：期刊文章

作　　者：孟凡念[1,2] 杜文辽[1,2] 巩晓赟[1,2] 李浩[1,2] 谢贵重[1,2]

MENG Fannian;DU Wenliao;GONG Xiaoyun;LI Hao;XIE Guizhong(School of Mechanical and Electrical Engineering,Zhengzhou 450002,China;Henan Key Laboratory of Mechanical Equipment Intelligent Manufacturing,Zhengzhou University of Light Industry,Zhengzhou 450002,China)

机构地区：[1]郑州轻工业大学机电工程学院,郑州450002 [2]郑州轻工业大学河南省机械装备智能制造重点实验室,郑州450002

出　　处：《轴承》

基　　金：国家自然科学基金项目(U1804141);2020年河南省科技攻关项目(202102210086);河南省高校科技创新人才支持计划项目(17HASTIT028);河南省机械装备智能制造重点实验室开放基金项目(IM201910)。

年　　份：2020

期　　号：12

起止页码：43-50

语　　种：中文

收录情况：BDHX、BDHX2017、SCOPUS、ZGKJHX、核心刊

摘　　要：融合集合经验模态分解和样本熵特征提取理论,提出了一种基于粒子群优化最小二乘支持向量机的滚动轴承故障识别方法。首先,运用集合经验模态分解对滚动轴承振动信号进行处理,得到多重IMF分量及残差;然后,将原始信号、IMF分量和残差的样本熵作为特征信号输入模型,并通过构建径向基代理模型和PSO进化算法优选相似容限值来提高样本熵特征信号的区分度;最后,用粒子群智能算法优化最小二乘支持向量机中的正则化参数和径向基核函数宽度,使用优化后的最小二乘支持向量机进行故障识别和分类。

关 键 词：滚动轴承 故障诊断 集合经验模态分解  样本熵  粒子群 最小二乘支持向量机

分 类 号：TH133.33] TN911.7]