| 磷虾算法优化多分类支持向量机的轴承故障诊断 |
| |
| 引用本文： | 吕震宇.磷虾算法优化多分类支持向量机的轴承故障诊断[J].制造技术与机床,2019(5):130-136. |
| |
| 作者姓名： | 吕震宇 |
| |
| 作者单位： | 山东职业学院 |
| |
| 基金项目： | 省教育厅科研课题(KJ2018ZBB022) |
| |
| 摘 要： | 为了提高滚动轴承故障类型诊断准确度,提出了磷虾算法优化多分类支持向量机的轴承故障诊断方法。对于时频域特征参数的提取,将CEEMD算法与小波包优势结合,提出了CEEMD与小波包半软阈值去噪相结合的提取方法;对于特征参数降维,针对轴承振动信号的非线性特点,使用局部线性嵌入算法降维,对降维后特征参数使用模糊C均值聚类进行验证,可以看出LLE降维不仅降低了计算量而且有利于模式识别;将二叉树法与投票法支持向量机结合,给出了混合多分类支持向量机,使用磷虾算法对其进行参数优化。实验验证可知,磷虾算法优化的多分类支持向量机具有很高的输出精度,轴承状态识别准确率为100%,使用粒子群算法优化的支持向量机输出精度低,轴承状态识别准确率为79%。
|
| 关 键 词： | 滚动轴承 故障诊断 多分类支持向量机 磷虾算法 局部线性嵌入算法 |
Rolling bearing fault diagnosis based on multi-classification SVM optimized by krill algorithm |
| |
| LV Zhenyu.Rolling bearing fault diagnosis based on multi-classification SVM optimized by krill algorithm[J].Manufacturing Technology & Machine Tool,2019(5):130-136. |
| |
| Authors: | LV Zhenyu |
| |
| Affiliation: | (Shandong Polytechnic, Jinan 250104, CHN) |
| |
| Abstract: | LV Zhenyu(Shandong Polytechnic, Jinan 250104, CHN) |
| |
| Keywords: | rolling bearing fault diagnosis multi-classification SVM krill algorithm LLE algorithm |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
