典型文献
基于自适应变分模态分解和集成极限学习机的滚动轴承多故障诊断
文献摘要：
针对滚动轴承多故障诊断中特征提取困难和分类准确性低的问题,从有效特征提取和故障分类准确性两方面出发,将变分模态分解(VMD)和极限学习机(ELM)方法结合,提出了一种自适应滚动轴承多故障诊断方法.针对VMD参数需人为事先设定导致信号分解效果差的情况,提出了灰狼算法(GWO)优化VMD实现自适应地获取最佳分解参数k和α.进一步,为了克服单个ELM模型分类精度不高和分类结果不稳定的问题,提出集成极限学习机(IELM)实现多故障的分类和识别,提高故障分类的准确性和稳定性.首先,采用GWO优化VMD,自适应地获取最佳分解参数;其次,选择并提取模态信号的时频特征向量;最后,将特征向量输入到IELM中进行训练和分类.实验表明:本文方法可以自适应地分解信号并产生最佳分解效果,实现滚动轴承故障的准确早期预警和识别.
文献关键词：
故障诊断;灰狼优化算法;变分模态分解;集成极限学习机;滚动轴承
中图分类号：
作者姓名：
王进花;胡佳伟;曹洁;黄涛
作者机构：
兰州理工大学电气工程与信息工程学院,兰州730050;兰州理工大学甘肃工业过程先进控制重点实验室,兰州730050;兰州理工大学电气与控制工程国家实验教学中心,兰州730050;甘肃省制造信息工程研究中心,兰州730050;中国市政工程西北设计研究院有限公司,兰州730000
文献出处：
引用格式：
[1]王进花;胡佳伟;曹洁;黄涛-.基于自适应变分模态分解和集成极限学习机的滚动轴承多故障诊断)[J].吉林大学学报（工学版）,2022(02):318-328
A类：
B类：
自适应变分模态分解,集成极限学习机,滚动轴承,多故障诊断,分类准确性,有效特征,故障分类,VMD,故障诊断方法,事先,致信,信号分解,灰狼算法,GWO,模型分类,分类精度,IELM,取模,模态信号,时频特征,特征向量,轴承故障,早期预警,灰狼优化算法
AB值：
0.241187
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。
