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 Guangdong 510006,China;School of computer,Guangdong University of Petrochemical Technology,Maoming Guangdong 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：《自动化与仪器仪表》

基　　金：广东省自然科学基金(No.2018A030307038)。

年　　份：2021

期　　号：2

起止页码：21-24

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：由于轴承振动信号具有复杂性和非线性,难以有效提取故障特征,影响故障诊断的准确率。为了提高故障诊断准确率,提出一种蝙蝠算法(BA)优化相关向量机(RVM)的轴承故障诊断方法。首先结合变分模态分解和多尺度熵从轴承振动信号中提取出故障特征,作为相关向量机的输入向量;接着采用蝙蝠算法优化相关向量机的核函数参数;然后训练相关向量机模型;最后使用训练后的相关向量机进行故障诊断。通过仿真实验评估故障诊断方法的有效性,实验结果表明,该方法的故障诊断准确为100%,故障诊断准确率高于SVM方法、RVM方法,说明BA-RVM故障诊断方法是可行和有效的,满足一般轴承故障诊断的精度要求。

关 键 词：轴承 故障诊断 相关向量机 蝙蝠算法  

分 类 号：TH133.33]