科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高回转窑筒体的故障诊断效率,提出将改进的集合经验模式分解(MEEMD)与参数优化支持向量机(SVM)结合的故障诊断方法。采用MEEMD对回转窑托轮挠度信号进行分解和重构,选取原信号分解得到的KS、KR谐波幅值和重构信号的时域特征构造特征向量输入到支持向量机诊断模型中;针对人工选取支持向量机惩罚因子和核参数可能导致的准确性差异,采用粒子群算法对支持向量机的惩罚因子和核参数进行寻优;最后采用寻优后的结果建立支持向量机故障诊断模型对样本数据进行故障诊断分类,实验结果表明该方法不仅可以更加清晰地获取回转窑筒体的故障信息,而且能实现更高精度的故障诊断。
-
单位机电工程学院; 武汉理工大学
