基于ICEEMD及AWOA优化ELM的机械故障诊断方法

发布时间：2021-01-30 04:37

　　旋转机械设备故障检测及识别一直是研究的热点。针对目前故障特征提取和诊断方法的不足,提出一种基于改进的完备集合经验模态分解（ICEEMD）与自适应鲸鱼优化算法（AWOA）优化极限学习机（ELM）的机械故障诊断方法。ICEEMD能够避免在分解过程中产生伪模态,其模式中残留噪声小,使提取故障信息更加准确。利用ICEEMD将采集到的信号分解成多个本征模态函数（IMF）,对滚动轴承不同故障状态IMF的斯皮尔曼等级相关系数（SRCC）的计算结果进行分析,得出筛选IMF的标准为其SRCC大于0.02;将筛选后的IMF的混合熵（HE）作为特征向量。WOA相比其他仿生算法所需要调整的相关参数少、收敛速度快、稳定性好。AWOA利用自适应权重优化WOA的局部搜索方式,进一步提高了收敛精度。利用AWOA对ELM的权值和阈值进行优化,可以提高故障诊断的准确率。通过对比实验证明,AWOA-ELM的学习能力强、故障诊断的准确率更高。AWOA-ELM应用在滚动轴承不同尺寸滚珠和外圈故障诊断中,对滚珠故障诊断的准确率达到99.5%,对外圈故障诊断的准确率达到100%。 

【文章来源】：仪器仪表学报. 2019,40(11)北大核心

【文章页数】：9 页

【部分图文】：

CEEMD分解IMF1～IMF5时域波形和幅频特性

图1 CEEMD分解IMF1～IMF5时域波形和幅频特性从图1和2可知,CEEMD所分解出的IMF2～IMF3之间存在严重的频率混叠,而ICEEMD所分解的各IMF之间的模态混叠得到了很大程度上的抑制。因此,ICEEMD能够更好地分解故障信号,利于对故障特征的提取。

各个IMF的SRCC值

【参考文献】：
期刊论文
[1]遗传算法与小波神经网络在ET0预测中的应用[J]. 樊湘鹏,许燕,周建平,李志磊.  燕山大学学报. 2019(02)
[2]基于ICEEMD的人脸视频心率检测[J]. 李昌兴,钟清华,廖金湘.  激光杂志. 2019(01)
[3]基于迭代经验小波变换的齿轮故障诊断方法[J]. 辛玉,李舜酩,王金瑞,易朋兴,刘颉.  仪器仪表学报. 2018(11)
[4]基于改进排列熵的滚动轴承故障特征提取[J]. 陈祥龙,张兵志,冯辅周,江鹏程.  振动工程学报. 2018(05)
[5]基于傅里叶分解与奇异值差分谱的滚动轴承故障诊断方法[J]. 付秀伟,高兴泉.  计量学报. 2018(05)
[6]基于VMD共振稀疏分解的滚动轴承故障诊断[J]. 杨伟,王红军.  电子测量与仪器学报. 2018(09)
[7]基于EEMD与空域相关降噪的滚动轴承故障诊断方法[J]. 田晶,王英杰,王志,艾延廷,孙丹.  仪器仪表学报. 2018(07)
[8]基于鲸鱼算法的森林火灾图像多阈值分割[J]. 胡加鑫,贾鹤鸣,邢致恺,朱柏卓,张森,黄怡沁.  森林工程. 2018(04)
[9]改进LMD和排列熵的滚动轴承故障诊断[J]. 李巧艺,单奇,陈跃威,叶运广.  机械设计与制造. 2018(04)
[10]基于近似等距投影和支持向量机的滚动轴承故障诊断[J]. 刘畅,伍星,刘韬,柳小勤.  振动与冲击. 2018(05)



本文编号：3008251