典型文献
参数优化VMD和SVM的滚动轴承故障诊断
文献摘要：
为了便于选取变分模态分解(VMD)参数、综合考虑轴承故障信号周期冲击性、循环平稳性,各分量与原信号相关性及不同故障诊断的问题,构建了 一种天牛须搜索算法(BAS)优化VMD及加权合成峭度提取最优本征模态函数(IMF),并结合布谷鸟算法优化支持向量机(CS-SVM)的轴承故障诊断方法.先以平均包络熵为BAS的适应度函数优化VMD参数,接着对信号进行VMD分解.然后以加权合成峭度最大优选IMF,对所选IMF提取故障特征并组成特征向量.最后,将其输入CS-SVM中进行故障分类.运用仿真信号和实际轴承数据验证所提方法的可行性.
文献关键词：
变分模态分解;天牛须搜索算法;加权合成峭度;布谷鸟算法;支持向量机;平均包络熵
中图分类号：
作者姓名：
李永琪;彭珍瑞
作者机构：
兰州交通大学机电工程学院,兰州 730070
文献出处：
引用格式：
[1]李永琪;彭珍瑞-.参数优化VMD和SVM的滚动轴承故障诊断)[J].机械科学与技术,2022(10):1509-1514
A类：
加权合成峭度
B类：
VMD,滚动轴承故障诊断,变分模态分解,故障信号,冲击性,循环平稳性,信号相关性,天牛须搜索算法,BAS,本征模态函数,IMF,布谷鸟算法,算法优化,优化支持向量机,CS,故障诊断方法,先以,平均包络熵,适应度函数,函数优化,故障特征,组成特征,特征向量,故障分类,轴承数据,数据验证
AB值：
0.258317
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。
