《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于CEEMDAN多尺度熵和SSA-SVM的滚动轴承故障诊断研究

作者：李怡,李焕锋*,刘自然日期：2021-07-20/span> 浏览：952 查看PDF文档

基于CEEMDAN多尺度熵和SSA-SVM的滚动轴承故障诊断研究*

李怡,李焕锋*,刘自然

(河南工业大学机电工程学院,河南郑州 450001)

摘要:针对支持向量机(SVM)应用在轴承故障分类时,传统的智能算法优化SVM的参数容易存在寻优速度慢、调节参数多,以及容易陷入局部最优值等问题,提出了一种基于CEEMDAN多尺度熵与SSASVM相结合的故障诊断方法。对滚动轴承的故障特征提取和SVM参数优化进行了研究,引入了一种新的群智能优化算法,用麻雀搜索算法(SSA)对SVM参数进行了优化,提高了寻优速度以及轴承的故障分类准确率;该方法先采用自适应白噪声完整经验模态分解(CEEMDAN)算法分解信号,获得了若干个固有模态函数(IMF);再采用相关系数方法选择有用IMF分量,并进行了重新组合;最后,计算重构信号的多尺度熵作为特征向量,输入SSA优化的SVM进行了故障分类。研究结果表明:采用该方法能够准确地获得故障信息,且识别准确率高;与PSO、GA优化的SVM相比,该方法的故障诊断分类性能更好。

关键词:自适应白噪声完整经验模态分解;多尺度熵;麻雀搜索算法;支持向量机;故障诊断

中图分类号:TH133.33 文献标识码:A 文章编号:1001-4551(2021)05-0599-06

本文引用格式:
李怡,李焕锋,刘自然.基于CEEMDAN多尺度熵和SSA-SVM的滚动轴承故障诊断研究［J］.机电工程,2021,38(5):599-604.
LI Yi, LI Huan-feng, LIU Zi-ran. Fault diagnosis of rolling bearing based on CEEMDAN multi-scale entropy and SSASVM［J］.Journal of Mechanical & Electrical Engineering, 2021,38(5):599-604.
《机电工程》杂志:http://www.meem.com.cn