基于量纲一指标和极限学习机的滚动轴承故障诊断方法

摘要：

时域中的量纲一指标因对故障敏感,被广泛运用于机械故障诊断中,但是目前量纲一指标在诊断过程中存在严重交叉问题,即量纲一指标对于不同故障状态在特征空间中存在混叠现象.为了解决这个问题,提出基于量纲一指标和极限学习机的滚动轴承故障识别方法,采用美国西储大学轴承数据中心网站公开发布的轴承探伤数据集,验证算法诊断效果.为了进一步验证算法的优越性,将该算法与BP神经网络、 支持向量机(SVM)和Grip search SVM 3种算法进行比较,结果表明:基于量纲一指标和极限学习机的故障诊断方法能够提高滚动轴承故障诊断效率和分类准确率.

关键词：极限学习机、量纲一指标、滚动轴承、故障诊断

所属期刊栏目：47

分类号：TH165+.3;TG506

资助基金：国家自然科学基金资助项目61473094,61673127;广东省自然科学基金资助项目2016A030313823;茂名市科技计划项目2017317

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：171-175