典型文献
基于MFF与IWOA-LSSVM的电机轴承故障诊断研究
文献摘要:
针对电机轴承故障诊断过程中,存在种种困难的问题,提出了一种基于多特征融合(MFF)与改进鲸鱼优化算法(IWOA)优化最小二乘支持向量机(LSSVM)的电机轴承状态诊断方法.首先,利用Sobol序列去初始化算法种群,在算法种群搜索过程中加入了莱维飞行策略,并在WOA算法位置更新公式中添加了惯性权重;然后,提取了电机轴承振动信号的小波包能量特征、平均值和峭度,并将以上电机轴承振动信号特征作为算法的输入;最后,为了验证基于MFF与IWOA-LSSVM的电机轴承诊断方法的有效性,分别以单独使用小波包能量特征作为算法输入,以及小波包能量特征和时域特征共同作为算法输入,进行了两组相关的电机轴承状态识别对比实验.研究结果表明:相比于单一小波包能量特征,采用多特征融合能更全面地反映电机轴承真实运行状态;相比于PSO、GA算法,基于WOA算法可以更有效地避免局部最优;相比于基本WOA算法,改进后的WOA算法可以更有效地避免局部最优;相比于其他电机轴承状态识别算法,IWOA-LSSVM算法的分类性能更优,对电机轴承状态识别率达到99.5%.
文献关键词:
电机轴承;故障诊断;多特征融合;改进鲸鱼优化算法;最小二乘支持向量机
中图分类号:
作者姓名:
董程阳
作者机构:
上海电力大学 自动化工程学院,上海200090
文献出处:
引用格式:
[1]董程阳-.基于MFF与IWOA-LSSVM的电机轴承故障诊断研究)[J].机电工程,2022(06):806-812
A类:
B类:
MFF,IWOA,LSSVM,电机轴承,轴承故障诊断,诊断研究,诊断过程,多特征融合,改进鲸鱼优化算法,最小二乘支持向量机,状态诊断,Sobol,初始化算法,莱维飞行策略,位置更新,惯性权重,轴承振动,振动信号,小波包能量,能量特征,峭度,信号特征,时域特征,状态识别,一小,PSO,GA,局部最优,识别算法,分类性能,识别率
AB值:
0.196302
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。