針對滾動軸承數(shù)據(jù)信號不穩(wěn)定、非線性的特性,提出一種采用集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）、希爾伯特（Hilbert）變換實(shí)現(xiàn)特征提取,改進(jìn)教與學(xué)算法（ITLBO）優(yōu)化支持向量機(jī)（SVM）參數(shù)的滾動軸承故障診斷方法。首先通過EEMD方法將目標(biāo)信號分解成若干個(gè)模態(tài)函數(shù),采取Hilbert變換獲得模態(tài)函數(shù)的瞬時(shí)頻率;對模態(tài)函數(shù)和其瞬時(shí)頻率進(jìn)行統(tǒng)計(jì)特征提取并實(shí)現(xiàn)特征變量降維,提高診斷效率;最后利用ITLBO算法優(yōu)化SVM參數(shù),構(gòu)造ITLBO_SVM診斷模型進(jìn)行多分類故障診斷。實(shí)例證明,信號經(jīng)過EEMD分解和Hilbert變換再提取特征信息,代入ITLBO_SVM的優(yōu)化模型比傳統(tǒng)的粒子群算法優(yōu)化模型的正確率更高,效果更穩(wěn)定,驗(yàn)證了該方法的可行性與有效性。 

【文章來源】：機(jī)械設(shè)計(jì)與制造. 2020,(06)北大核心

【文章頁數(shù)】：5 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的教與學(xué)算法的線性自抗擾在負(fù)荷頻率控制中的應(yīng)用[J]. 張強(qiáng),孫建平,武昊.  儀器儀表用戶. 2017(06)
[2]基于EEMD和MFFOA-SVM滾動軸承故障診斷[J]. 何青,褚東亮,毛新華.  中國機(jī)械工程. 2016(09)
[3]粒子群優(yōu)化支持向量機(jī)的室內(nèi)無線定位方法[J]. 趙宇,孫挺.  計(jì)算機(jī)工程與應(yīng)用. 2014(19)
[4]基于核主成分分析的數(shù)據(jù)流降維研究[J]. 高宏賓,侯杰,李瑞光.  計(jì)算機(jī)工程與應(yīng)用. 2013(11)
[5]基于經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的短期風(fēng)電功率組合預(yù)測模型[J]. 葉林,劉鵬.  中國電機(jī)工程學(xué)報(bào). 2011(31)
[6]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)



本文編號：3169368