典型文献
改进的布谷鸟算法优化极限学习机的石化轴承故障分类
文献摘要：
针对通用的智能故障诊断方法在石化滚动轴承中准确率不理想的问题,提出一种通过改进的布谷鸟算法(CS)优化极限学习机(ELM)使诊断准确率提高的模型.将实测轴承振动信号降噪处理,计算不同嵌入维度下的关联维数作为ELM的输入信号;通过改进的布谷鸟算法获取极限学习机最优的隐含层偏置、输入权重,最后输出诊断结果.经过实验证明,该方法可以有效地克服测量信号时的干扰,可以对不同故障下的滚动轴承准确识别,并与多种模型对比,该方法的故障诊断准确率为97.5％.
文献关键词：
滚动轴承;故障诊断;布谷鸟算法;极限学习机
中图分类号：
作者姓名：
周正南;刘美;吴斌鑫;高兴泉;张斐
作者机构：
吉林化工学院,吉林 吉林132022;广东石油化工学院,广东茂名525000;东莞理工学院,广东东莞523419
文献出处：
引用格式：
[1]周正南;刘美;吴斌鑫;高兴泉;张斐-.改进的布谷鸟算法优化极限学习机的石化轴承故障分类)[J].机械与电子,2022(07):3-7,12
A类：
B类：
布谷鸟算法,算法优化,化极,极限学习机,石化,轴承故障,故障分类,智能故障诊断,故障诊断方法,滚动轴承,CS,ELM,轴承振动,振动信号,信号降噪处理,关联维数,隐含层,偏置,出诊,诊断结果,准确识别,模型对比,故障诊断准确率
AB值：
0.301457
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。
