基于VMD与IFWA-SVM的滚动轴承故障诊断研究
Machine Tool & Hydraulics（2022）
摘要
为有效提取非平稳性、复杂性的滚动轴承振动信号特征,提出一种基于变分模态分解、改进烟花算法(IFWA)优化支持向量机(SVM)的滚动轴承故障诊断方法.利用VMD对原始信号进行分解,计算得到各IMF的样本熵,将原始信号的时域特征与其结合组成特征矩阵.为提高故障诊断效率,采用IFWA优化SVM,建立IFWA-SVM模型.使用训练集特征矩阵训练诊断模型,实现滚动轴承的故障诊断.利用实测信号验证该方法,并与粒子群算法优化进行比较.结果表明:利用该方法进行诊断,正确率提高了3.33％、训练时间缩短了21.55 s,验证了该方法的可行性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要