基于小波包散布熵-mRMR特征选取与HHO-KELM的轴承故障诊断方法

作者：宋明瑞; 郭佑民^*; 刘运航; 郭啸

来源：噪声与振动控制, 2023, 43(05): 154-160.

• 故障诊断
• 滚动轴承
• 小波包散布熵
• 最大相关最小冗余
• 特征选取
• 核极限学习机

针对3层小波包分解（Wavelet Packet Decomposition,WPD）忽略了1和2层分解信号以及核极限学习机（Kernel Extreme Learning Machine,KELM）参数选择困难的问题，提出一种基于小波包散布熵-mRMR特征选取与HHO-KELM的轴承故障诊断方法。该方法首先对小波包分解中1-3层的14个小波包散布熵（Dispersion Entropy,DE）应用最大相关最小冗余算法（max-relevance and min-redundancy,mRMR）进行特征排序，确定最佳向量维度；然后应用哈里斯鹰优化算法（Harris Hawks Optimization,HHO）实现对KELM参数的优化；最后将最佳维度的小波包散布熵输入到经HHO优化的KELM中进行故障识别。实验结果表明，将m RMR特征选取功能和HHO-KELM聚类功能进行有效结合，可实现故障诊断过程中对分解信号的充分利用，与将只用到第3层分解信号的小波包散布熵输入到KELM的故障分类方法相比，识别准确率提高11.38%。

• 单位
  兰州交通大学