针对通用的智能故障诊断方法在石化滚动轴承中准确率不理想的问题，提出一种通过改进的布谷鸟算法(CS)优化极限学习机(ELM)使诊断准确率提高的模型。将实测轴承振动信号降噪处理，计算不同嵌入维度下的关联维数作为ELM的输入信号；通过改进的布谷鸟算法获取极限学习机最优的隐含层偏置、输入权重，最后输出诊断结果。经过实验证明，该方法可以有效地克服测量信号时的干扰，可以对不同故障下的滚动轴承准确识别，并与多种模型对比，该方法的故障诊断准确率为97.5%。
科研之友
微信
新浪微博
Facebook
分享链接
