论文部分内容阅读
针对滚动轴承早期振动信号微弱、故障特征频率难分解等特点,提出了一种基于参数优化变分模态分解(VMD)和多特征双层极限学习机(ELM)的滚动轴承早期故障诊断方法.首先,采用改进后的人工鱼群算法(AFSA)对VMD算法的关键影响因子分解个数K和二次惩罚因子 α 进行寻优,以包络熵倒数为适应度函数,获取最佳的滚动轴承振动信号VMD分解的本征模态函数(IMF).通过计算最优IMF分量的样本熵、峭度、均方根值,构造多特征双层ELM进行深沟球轴承故障分类.试验表明:该诊断过程可以有效提高滚动轴承故障识别率.