文献类型：期刊文章

作　　者：郑佳昕[1] 杨灿[2] 郎永存[1] 李积元[1]

Zheng Jiaxin;Yang Can;Lang Yongcun;Li Jiyuan(School of Mechanical Engineering,Qinghai University,Xining 810001,China;Qinghai Productivity Promotion Center Co.,Ltd.,Xining 810001,China)

机构地区：[1]青海大学机械工程学院,西宁810001 [2]青海省生产力促进中心有限公司,西宁810001

出　　处：《煤矿机械》

基　　金：青海省科技计划项目(2019-GX-C32)。

年　　份：2021

卷　　号：42

期　　号：1

起止页码：147-150

语　　种：中文

收录情况：AJ、ZGKJHX、普通刊

摘　　要：针对传统振动信号特征提取方法与支持向量机(SVM)分类方法的缺陷,提出一种基于变分模态分解(VMD)故障特征提取方法与灰狼优化器(GWO)优化SVM的诊断模型。首先,将滚动轴承的原始振动信号采用VMD得到若干本征模态分量(IMF);其次,将IMF的多尺度加权排列熵作为特征向量并使用t-sne方法做降维处理;最后,使用GWO对SVM进行优化并对样本数据进行分类判别。实验结果表明,该方法相比于其他传统算法能够有效提高故障分类精度。

关 键 词：VMD  多尺度加权排列熵  GWO  SVM 故障诊断

分 类 号：TH133.3]