基于变分模态分解和极限学习机的滚动轴承早期故障诊断

作者：吕小威; 王恒迪^*; 李志娟; 邓四二

来源：矿山机械, 2020, 48(11): 54-58.

DOI：10.16816/j.cnki.ksjx.2020.11.012

• 变分模态分解
• 人工鱼群算法
• 极限学习机
• 早期故障诊断

针对滚动轴承早期振动信号微弱、故障特征频率难分解等特点,提出了一种基于参数优化变分模态分解 (VMD) 和多特征双层极限学习机 (ELM) 的滚动轴承早期故障诊断方法。首先,采用改进后的人工鱼群算法 (AFSA) 对 VMD 算法的关键影响因子分解个数 K 和二次惩罚因子α进行寻优,以包络熵倒数为适应度函数,获取最佳的滚动轴承振动信号 VMD 分解的本征模态函数 (IMF)。通过计算最优 IMF 分量的样本熵、峭度、均方根值,构造多特征双层 ELM 进行深沟球轴承故障分类。试验表明:该诊断过程可以有效提高滚动轴承故障识别率。

• 单位
  机电工程学院; 河南科技大学