| 张量奇异谱分解与极限学习机的故障诊断方法 |
| |
| 引用本文： | 胡超,沈宝国,杨妍,谢中敏.张量奇异谱分解与极限学习机的故障诊断方法[J].机械设计与制造,2021,368(10):86-91. |
| |
| 作者姓名： | 胡超 沈宝国 杨妍 谢中敏 |
| |
| 作者单位： | 江苏航空职业技术学院航空工程学院,江苏镇江212134 |
| |
| 摘 要： | 针对滚动轴承故障诊断问题,提出张量奇异谱分解(TSSA)与极限学习机(ELM)相结合的诊断方法.TSSA将一维时域振动信号转换成三阶张量,使用标准张量分解对三阶张量进行分解并重构回一维时域振动信号;为了验证TSSA的有效性,将奇异谱分解作为对比方法,仿真结果表明:TSSA重构后的信号能够找到故障特征倍频,其效果优于奇异谱分解.从重构时域信号中提取时域特征参量,并使用ELM网络对其实施诊断;为验证ELM的有效性,将BP、SVM作为对比算法,诊断结果表明:从诊断准确率、样本比例、诊断时间方面而言,ELM的性能比BP、SVM要好,ELM更适宜于轴承故障诊断.
|
| 关 键 词： | 滚动轴承 故障诊断 张量奇异谱分解 极限学习机 |
Fault Diagnosis of Rolling Bearing Based on Tensor Singular Spectrum Analysis and Extreme Learning Machine |
| |
| HU Chao,SHEN Bao-guo,YANG Yan,XIE Zhong-min.Fault Diagnosis of Rolling Bearing Based on Tensor Singular Spectrum Analysis and Extreme Learning Machine[J].Machinery Design & Manufacture,2021,368(10):86-91. |
| |
| Authors: | HU Chao SHEN Bao-guo YANG Yan XIE Zhong-min |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
