| 基于混合特征提取和PSO-ELM的电机故障诊断 |
| |
| 引用本文： | 谢锋云,赏鉴栋,汪淦,王玲岚.基于混合特征提取和PSO-ELM的电机故障诊断[J].组合机床与自动化加工技术,2023(5):106-109. |
| |
| 作者姓名： | 谢锋云 赏鉴栋 汪淦 王玲岚 |
| |
| 作者单位： | 华东交通大学机电与车辆工程学院 |
| |
| 基金项目： | 国家自然科学基金(52265068,51805168)；;江西省自然科学基金(20224BAB204050)；;载运工具与装备教育部重点实验室开放课题(KLCEZ2022-02)； |
| |
| 摘 要： | 针对单一特征提取方法无法有效提取电机故障特征,提出了一种基于混合特征提取与粒子群优化极限学习机(PSO-ELM)相结合的电机故障诊断方法。通过搭建电机故障实验平台,获取三相异步电机不同状态振动信号,利用变分模态分解(VMD)获取反映信号能量分布特点的能量占比和能量熵特征,并与反映时间序列不同尺度复杂程度的多尺度散布熵(MDE)特征组成混合特征向量,使用PSO-ELM完成电机不同状态的识别。结果表明,所提方法20次测试的平均识别率为98.92%,能有效提取电机故障特征。
|
| 关 键 词： | 故障诊断 粒子群优化 极限学习机 变分模态分解 多尺度散布熵 |
| 本文献已被 维普 等数据库收录！ |
|
