| 基于EEMD与GWO-SVM的石化机组轴承故障诊断 |
| |
| 引用本文： | 朱俊杰,张清华,朱冠华,苏乃权.基于EEMD与GWO-SVM的石化机组轴承故障诊断[J].自动化与仪表,2023(11):60-65. |
| |
| 作者姓名： | 朱俊杰 张清华 朱冠华 苏乃权 |
| |
| 作者单位： | 1. 吉林化工学院信息与控制工程学院;2. 广东石油化工学院广东省石化装备故障诊断重点实验室 |
| |
| 基金项目： | 国家自然科学基金重点项目（61933013）；;广东省自然科学基金面上项目（2022A1515010599）；;茂名市科技计划项目（170607111706145,2019018029）； |
| |
| 摘 要： | 针对石化机组轴承做故障分类时，传统支持向量机的分类性能受自身参数选择的影响识别准确率不高的问题，提出一种基于集合经验模态分解和改进支持向量机的石化机组轴承故障诊断。首先利用集合经验模态分解（ensemble empirical mode decomposition,EEMD）与样本熵（sample entropy,SE）对原始信号进行特征提取，采用灰狼算法优化支持向量机（gray wolf optimization algorithm support vector machine,GWO-SVM）的方法得到最优参数，构建石化机组轴承故障诊断模型。最后以实际石化机组数据集进行诊断分析，并通过与未优化的支持向量机和传统优化算法的支持向量机进行对比，表明该文所提方法的有效性和优越性。
|
| 关 键 词： | 集合经验模态分解 灰狼优化算法 支持向量机 故障诊断 |
|
|
