典型文献
基于小波包能量熵和GWO-SVM的滚动轴承故障诊断
文献摘要：
针对滚动轴承不同故障类型和不同损伤程度识别准确率较低的问题,提出了将小波包能量熵、灰狼优化算法和支持向量机相结合的故障诊断方法.首先,将滚动轴承振动信号进行3层小波包分解,对第3层各频段小波包分解系数进行重构,提取各频段成分的能量熵构成故障特征向量;其次,利用灰狼优化算法实现支持向量机参数优化;最后,基于优化后的支持向量机分类模型完成对测试集滚动轴承不同故障类型和不同损伤程度特征向量的识别诊断.实验结果表明,相比实验和文献中其他方法,该方法对滚动轴承不同故障类型和不同损伤程度具有更加突出的故障辨识能力.
文献关键词：
轴承故障;小波包;能量熵;灰狼优化算法;支持向量机
中图分类号：
作者姓名：
谢小正;王晋;赵荣珍;李俊;吕伟前
作者机构：
兰州理工大学 机电工程学院,甘肃 兰州 730050
文献出处：
引用格式：
[1]谢小正;王晋;赵荣珍;李俊;吕伟前-.基于小波包能量熵和GWO-SVM的滚动轴承故障诊断)[J].兰州理工大学学报,2022(05):59-64
A类：
B类：
于小波,小波包能量熵,GWO,滚动轴承故障诊断,故障类型,识别准确率,灰狼优化算法,故障诊断方法,滚动轴承振动信号,小波包分解,频段,故障特征,特征向量,算法实现,支持向量机分类,分类模型,测试集,其他方法,故障辨识
AB值：
0.195387
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。
