基于EMD-FastICA与DGA-ELM网络的轴承故障诊断方法

针对风电机组滚动轴承故障诊断问题,提出基于EMD-FastICA和DGA-ELM的轴承故障诊断方法.首先,用EMD对单通道故障振动信号进行分离并构建多维信号矩阵,计算多维信号矩阵的协方差矩阵并对其进行奇异值分解,借助Bayesian信息准则估计单通道振动信号的源数,接着采样FastICA实现单通信号分离.仿真结果表明,EMD-FastICA能有效地对信号进行分离.其次,从分离后的故障振动信号中提取时域特征值,并用降维遗传算法进行变量筛选,随后引入指数变异概率和混合变异对经典遗传算法进行改进,并建立改进遗传算法优化的极限学习机诊断模型.最后,将经典遗传算法、适值函数标定遗传算法、大变异遗传算法、自适应遗传算法作为对比算法,对滚动轴承故障实施诊断分析.诊断结果表明,文中提出的诊断方法比其他诊断模型效果好.