基于改进集合经验模态分解的滚动轴承故障诊断OA
Fault Diagnosis of Rolling Bearing Based on Improved Ensemble Empirical Mode Decomposition
针对旋转机械中滚动轴承振动信号的非平稳特性和故障信号特征的微弱性,提出一种改进的自适应白噪声的完备集合经验模态分解(CEEMDAN)结合轴承信号能量特征的故障特征提取方法,与鲸鱼优化算法(WOA)和支持向量机(SVM)模型来实现故障模式识别.结果表明,该方法不但克服了EEMD分解效率低和模态混叠问题,而且有效地提高支持向量机的分类精度,获得了更高的故障诊断准确率.
李萌
长春大学 机械与车辆工程学院,长春130022
机械制造
完备集合经验模态分解鲸鱼优化算法支持向量机故障诊断
《长春大学学报(自然科学版)》 2021 (3)
1-5,23,6
评论