文献类型：期刊文章

作　　者：陈世鹏[1] 杨奕飞[1] 张林[2] 张洪武[3]

CHEN Shipeng;YANG Yifei;ZHANG Lin;ZHANG Hongwu(School of Electronics and Information, Jiangsu University of Science and Technology, Zhenjiang 212003, China;Military Representative Office Stationed in Harbin Area by Shenyang Military Representative Bureau, Army Armament Department, Harbin 150000, China;Zhenjiang Marine Electric Appliance Co., Ltd., Zhenjiang 212002, China)

机构地区：[1]江苏科技大学电子信息学院,江苏镇江212003 [2]陆军装备部驻沈阳军代局驻哈尔滨地区军代室,哈尔滨150000 [3]镇江船舶电器有限责任公司,江苏镇江212002

出　　处：《轴承》

基　　金：江苏省科技成果转化专项资金项目(BA2019085)。

年　　份：2021

期　　号：10

起止页码：53-59

语　　种：中文

收录情况：BDHX、BDHX2020、SCOPUS、ZGKJHX、核心刊

摘　　要：针对滚动轴承故障诊断的特征分辨性较低、准确度不高等问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和正余弦算法(SCA)优化多核相关向量机(MRVM)的滚动轴承故障诊断方法。首先采用CEEMDAN方法分解原始振动信号,提取本征模态分量(IMF)的能量占信号总能量的比例和能量熵作为故障特征;然后引入混合核函数,采用SCA算法优化权重参数和核参数,构建MRVM模型实现对滚动轴承的故障诊断。试验结果表明,SCA-MRVM模型具有较高的识别率,能有效提高故障诊断精度。

关 键 词：滚动轴承 故障诊断 自适应噪声完备集合经验模态分解  相关向量机 算法  优化  

分 类 号：TH133.33] TN911.7]