基于改进半监督LTSA与BA-SVM的滚动轴承故障诊断

作者：吴保林; 戚晓利; 王振亚; 叶绪丹; 郑近德

来源：轴承, 2020, (01): 48-54.

DOI：10.19533/j.issn1000-3762.2020.01.011

• 滚动轴承
• 故障诊断
• 多尺度排列熵
• 降维
• 蝙蝠算法
• 支持向量机

为有效利用振动信号进行故障诊断,提出了一种基于复合多尺度排列熵(CMPE)、改进距离度量公式的半监督局部切空间排列算法(SS-LTSA)与蝙蝠算法优化支持向量机(BA-SVM)的滚动轴承故障诊断新方法。首先,计算振动信号的CMPE值,构成原始高维特征集;然后,利用改进距离度量公式的SS-LTSA进行降维;最后,将降维后的低维特征集输入BA-SVM完成故障的分类。2类轴承试验分析结果表明:SS-LTSA的降维效果优于主成分分析算法(PCA)和LTSA;BA-SVM的故障识别率明显高于遗传算法优化支持向量机(GA-SVM)和粒子群优化支持向量机(PSO-SVM),SS-LTSA与BA-SVM相结合可以获取更高的识别精度。

• 单位
  安徽工业大学