基于改进层次基本熵融合SMA-SVM模型的轴承故障诊断方法 |
| |
引用本文: | 张捷,王华,孙顺红.基于改进层次基本熵融合SMA-SVM模型的轴承故障诊断方法[J].机电工程,2023(7):1047-1053+1129. |
| |
作者姓名: | 张捷 王华 孙顺红 |
| |
作者单位: | 1. 重庆三峡学院智能科技学院;2. 重庆科创职业学院人工智能学院;3. 漳州城市职业学院电子信息工程系 |
| |
基金项目: | 重庆市高等职业教育教学改革研究项目(Z213255); |
| |
摘 要: | 针对煤矿机械轴承的故障特征提取和故障状态识别问题,提出了改进层次基本熵(IHBSE)特征提取融合黏菌优化(SMA)—支持向量机(SVM)分类模型的煤矿机械轴承故障诊断方法。首先,引入了能够同时分析信号低频和高频信息的IHBSE方法,并将其用于捕捉不同状态下,煤矿机械轴承振动信号中的多维故障特征,构建了特征向量;然后,采用具有优异全局寻优性能的黏菌算法,对支持向量机的惩罚系数和核函数的最佳值进行了搜索,提出了黏菌算法—支持向量机(SMA-SVM)模型;最后,利用部分特征样本对诊断模型进行了训练,并采用训练完毕的具有最佳参数的SMA-SVM分类器,进行了轴承故障类型和严重程度的判断。研究结果表明:所提出的煤矿机械轴承故障诊断方法可以有效地识别煤矿机械轴承的运行状态,分类准确率达到了1,而在多次实验下的平均准确率也高于0.98,对实际工程应用具有一定的参考价值。
|
关 键 词: | 煤矿机械轴承 故障诊断 改进层次基本熵 黏菌优化算法 支持向量机 故障状态识别 |
|