论文部分内容阅读
针对滚动轴承信号的不规则特性,致使信号故障特征难提取及难以辨识,为实现滚动轴承故障的智能诊断, 提出基于VMD能量熵与核极限学习机(kernel extreme learning machine, K-ELM)的滚动轴承故障诊断方法.首先将 测得振动信号进行变分模态分解(variational mode decomposition, VMD),利用能量熵进一步提取各模态特征组成高 维特征向量集;然后将构建的特征向量作为K-ELM算法的输入,通过训练建立K-ELM滚动轴承故障分类模型.实 验结果表明:VMD