典型文献
EEMD-GSSA-SVM滚动轴承故障诊断方法研究
文献摘要：
针对现有滚动轴承故障诊断算法诊断准确度不高的问题,提出了一种基于集合经验模态分解(EEMD)以及全局麻雀群搜索算法(GSSA)优化支持向量机(SVM)的滚动轴承故障诊断方法.所提方法利用EMMD以及能量矩对原始信号进行模态分解与特征提取.为提高诊断精度,提出一种GSSA-SVM算法.首先提出一种对原始麻雀搜索算法(SSA)中的探索粒子更新方式进行全局化改进,以提高其迭代速度与计算精度的GSSA,然后建立GSSA-SVM模型.最后,利用所提算法对实测信号进行诊断分析,验证了所提方法的有效性与优越性.
文献关键词：
故障诊断;集合经验模态分解;全局麻雀搜索算法;支持向量机
中图分类号：
作者姓名：
宋立业;孙琳
作者机构：
辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105
文献出处：
引用格式：
[1]宋立业;孙琳-.EEMD-GSSA-SVM滚动轴承故障诊断方法研究)[J].传感器与微系统,2022(04):56-59
A类：
EMMD,全局麻雀搜索算法
B类：
EEMD,GSSA,滚动轴承故障诊断,故障诊断方法,故障诊断算法,诊断准确度,集合经验模态分解,优化支持向量机,法利,能量矩,更新方式,迭代速度,计算精度,实测信号,诊断分析
AB值：
0.194058
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。
