典型文献
基于LMD和ABC优化KELM的故障诊断方法
文献摘要：
针对高压隔膜泵单向阀振动信号的非平稳非线性特性,提出一种基于局部均值分解(LMD)、排列熵和人工蜂群算法优化核极限学习机(KELM)的故障诊断方法.采用LMD将振动信号分解成多个分量信号,通过互相关准则选取关联度较大的分量信号,并求出相应的排列熵作为特征向量.输入经过人工蜂群算法优化的KELM中构建故障诊断模型.通过对实际工况下采集的不同故障状态信号的处理分析,结果显示利用该方法对单向阀的运行状况进行故障诊断不但能够较好地表征信号的状态信息,且故障识别准确率达到95.65％.同时,与采用传统的KELM、ELM相比有着更高的识别准确率.
文献关键词：
单向阀;局部均值分解;排列熵;人工蜂群算法;故障诊断
中图分类号：
作者姓名：
杨静宗;施春朝;杨天晴;吴丽玫
作者机构：
保山学院 大数据学院,云南 保山 678000
文献出处：
引用格式：
[1]杨静宗;施春朝;杨天晴;吴丽玫-.基于LMD和ABC优化KELM的故障诊断方法)[J].工业工程,2022(03):124-131
A类：
B类：
LMD,ABC,KELM,故障诊断方法,高压隔膜,隔膜泵单向阀,振动信号,非平稳,非线性特性,局部均值分解,排列熵,人工蜂群算法,算法优化,核极限学习机,信号分解,分解成,互相关,特征向量,故障诊断模型,实际工况,故障状态,处理分析,运行状况,状态信息,故障识别,识别准确率
AB值：
0.282521
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。
