典型文献
基于改进PSO优化ELM的轴承故障诊断
文献摘要：
针对滚动轴承故障的诊断与识别困难的问题,提出了一种将局部均值分解(LMD)、粒子群优化算法(PSO)、极限学习机(ELM)相结合的故障诊断与识别的方法.通过LMD将振动信号分解成一系列从高频到低频的乘积分量(PF);计算每个PF分量与原始信号的相关性系数,选择相关性大的PF分量累加作为特征分量,并且将特征分量组成特征向量;针对PSO早熟收敛的缺点,引入自适应权重法与DE算法对PSO进行改进,使用改进PSO-ELM网络模型对训练集与测试集进行训练.将该方法用于某型号线切割机床滚动轴承上,对2种不同状态的滚动轴承进行故障的诊断与识别,实验结果表明,改进PSO-ELM不仅能够识别滚动轴承的故障类型,并且识别的准确率大幅提高.
文献关键词：
粒子群算法;极限学习机;局部均值分解;相关性;神经网络
中图分类号：
作者姓名：
高云峰;张金萍
作者机构：
沈阳化工大学 机械与动力工程学院,辽宁 沈阳 110142
文献出处：
引用格式：
[1]高云峰;张金萍-.基于改进PSO优化ELM的轴承故障诊断)[J].承德石油高等专科学校学报,2022(06):40-47
A类：
自适应权重法
B类：
PSO,ELM,轴承故障诊断,滚动轴承,局部均值分解,LMD,粒子群优化算法,极限学习机,振动信号,信号分解,分解成,乘积,PF,相关性系数,累加,组成特征,特征向量,早熟,DE,训练集,测试集,线切割机床,故障类型,粒子群算法
AB值：
0.261575
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。
