BFA优化EEMD的刀具故障诊断

发布时间：2023-03-19 18:41

　　为了准确识别刀具磨损状态,提出一种细菌觅食算法(BFA)优化集合经验模态分解(EEMD)并与隐马尔可夫模型(HMM)结合的刀具故障诊断方法。首先利用BFA优化EEMD的白噪声幅值系数和总体平均次数,通过设置优化得到的最优参数,将降噪后的信号经EEMD分解为一系列本征模态分量(IMF);再依据峭度和相关系数重构信号;最后从重构信号中提取特征向量作为观测序列输入已训练好的HMM分类器中进行故障诊断。通过对刀具实验数据的分析,验证了此方法的可靠性和准确性。

【文章页数】：6 页

【文章目录】：
0 引言
1 相关理论
    1.1 EEMD算法及本征模态分量(IMF)筛选
    1.2 BFA
        1.2.1 趋向操作
        1.2.2 复制操作
        1.2.3 迁移操作
    1.3 优化模型的建立
    1.4 故障检测流程
2 刀具故障诊断
    2.1 振动信号采集
    2.2 参数优化
    2.3 信号重构
    2.4 诊断结果分析
3 结语



本文编号：3765755