典型文献
基于三域特征提取和WOA-ELM的滚动轴承故障诊断
文献摘要：
为提高滚动轴承故障诊断率,提出一种基于三域特征提取和鲸鱼算法优化极限学习机(WOA-ELM)的滚动轴承故障诊断方法.首先,分别对滚动轴承的振动信号进行时域分析、频谱分析和小波包分解,构成故障特征向量集;其次,为避免维度过高影响后续模型诊断效率,应用流形学习中的局部保留投影对特征向量集进行降维并剔除冗余特征,获得对故障信息更具针对性的特征向量集;为解决极限学习机易陷入局部最优的问题,引入鲸鱼算法对极限学习机网络参数进行迭代寻优,提高ELM网络性能;最后,建立鲸鱼算法优化极限学习机的滚动轴承诊断模型,对故障进行分类和诊断.采用美国凯斯西储大学轴承数据对WOA-ELM进行训练和测试,实验结果表明,该方法能有效提高滚动轴承故障诊断率.
文献关键词：
轴承故障诊断;三域特征;局部保留投影;鲸鱼算法;极限学习机
中图分类号：
作者姓名：
耿建平;陈志炜
作者机构：
桂林电子科技大学电子工程与自动化学院,广西桂林 541004
文献出处：
引用格式：
[1]耿建平;陈志炜-.基于三域特征提取和WOA-ELM的滚动轴承故障诊断)[J].桂林电子科技大学学报,2022(06):456-462
A类：
三域特征
B类：
WOA,ELM,滚动轴承故障诊断,诊断率,鲸鱼算法,算法优化,化极,故障诊断方法,振动信号,时域分析,频谱分析,小波包分解,故障特征,特征向量,高影响,诊断效率,流形学习,局部保留投影,冗余特征,故障信息,局部最优,对极,极限学习机网络,网络参数,迭代寻优,网络性能,诊断模型,凯斯,轴承数据
AB值：
0.231247
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。
