科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高滚动轴承故障诊断的准确性，实现对故障的精准定位，提出一种基于改进的自适应噪声的完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, ICEEMDAN)能量矩和修正型果蝇优化算法-概率神经网络(Modified Fruit Fly Optimization Algorithm-Probabilistic Neural Network, MFOA-PNN)的轴承故障诊断方法。首先利用ICEEMDAN算法对滚动轴承原始序列信号进行预处理，通过能量矩计算公式求取特征值，并将其作为PNN模型的输入；其次运用MFOA搜索PNN模型的最优平滑参数，通过建立MFOA-PNN模型诊断故障类别。实验表明，MFOA-PNN模型相比PNN模型的诊断准确性有所提高，准确率可以达到99.50%,提高了滚动轴承的经济性和安全性。
-
单位青岛大学; 自动化学院; 工业控制技术国家重点实验室
