基于核极限学习机的旋转机械故障诊断方法 |
| |
引用本文: | 王普,温峥,高学金,温焕然. 基于核极限学习机的旋转机械故障诊断方法[J]. 噪声与振动控制, 2018, 38(2): 138-143 |
| |
作者姓名: | 王普 温峥 高学金 温焕然 |
| |
作者单位: | ( 1. 北京工业大学 电子信息与控制工程学院,北京 100124; 2. 数字社区教育部工程研究中心,北京 100124; 3. 城市轨道交通北京实验室,北京 100124; 4. 计算智能与智能系统北京市重点实验室,北京 100124 ) |
| |
摘 要: | 传统的旋转机械故障诊断存在需人工干预、诊断精度低等问题。为更好诊断旋转机械故障,提出基于核极限学习机的旋转机械故障诊断方法。首先在正常状态和转子不平衡、转子不对中、轴承座松动3种故障状态下采集旋转机械的振动信号,降噪后提取各频段小波能量作为故障特征,以此为基础建立基于核极限学习机的旋转机械故障诊断模型。在旋转机械故障模拟实验台上进行的应用实验表明,KELM方法比ELM有更高的稳定性,KELM的故障诊断准确率大于99%,诊断性能优于极限学习机和支持向量机。
|
关 键 词: | 振动与波 旋转机械 故障诊断 核极限学习机 |
收稿时间: | 2017-06-12 |
Fault Diagnosis Method of Rotating Machinery based on the Kernel Extreme Learning Machine |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《噪声与振动控制》浏览原始摘要信息 |
|
点击此处可从《噪声与振动控制》下载全文 |
|