基于能量熵与SATCSSA-LSSVM滚动轴承故障诊断

为解决轴承故障特征不易提取,轴承故障的辨识效果不佳等一系列问题,提出基于改进自适应完整集成经验模态分解(ICEEMDAN)-自适应混沌麻雀搜索算法(SATCSSA)优化最小二乘支持向量机(LSSVM)的滚动轴承故障诊断方法。首先,通过ICEEMDAN对滚动轴承信号进行故障特征提取,产生多个本征模态函数分量,结合相关系数原则通过提取能量(Shannon)熵,计算其能量百分比作为特征值输入;针对LSSVM易受核参数与惩罚函数影响,引入混沌理论、自适应理论、高斯变异等来改进麻雀搜索算法优化LSSVM参数,构建故障诊断模型。最后,将提取到的特征值输入最小二乘支持向量机进行故障诊断。对比结果表明所提方法能有效进行故障辨识,并且准确率更高,与其他方法相比,故障诊断精度明显提高。

资料为PDF文档格式.

本文档关键词:能量,滚动轴承,故障诊断,SATCSSA,LSSVM