基于EEMD和CS SVM的 滚动轴承故障诊断研究*

作者：梁治华，曹江涛，姬晓飞 日期：2019-06-25/span> 浏览：2632 查看PDF文档

                                                                       基于EEMD和CS SVM的滚动轴承故障诊断研究*
                                                                                   梁治华1，曹江涛1，姬晓飞2*
 (1.辽宁石油化工大学 信息与控制工程学院，辽宁 抚顺 113001；2.沈阳航空航天大学 自动化学院，辽宁 沈阳 110136)

摘要：针对数据驱动的滚动轴承故障诊断大多采用支持向量机进行分类，而传统支持向量机的分类方法容易陷入局部最优，无法准确进行故障诊断的问题，对滚动轴承振动信号的特征选择和支持向量机的优化方法进行了研究。分析了粒子群算法优化支持向量机和遗传算法优化支持向量机的不足；基于莱维飞行的布谷鸟搜索算法，引入了一种对支持向量机的参数进行寻优的方法，用于提高滚动轴承故障诊断的识别准确率；该方法首先使用集合经验模态分解对信号数据进行了处理，然后计算本征模态函数的均方根作为特征向量，输入布谷鸟搜索算法优化的支持向量机；最后进行了训练和测试。研究结果表明：利用该方法对实测信号进行分析和诊断，可以准确地识别故障发生的位置以及严重程度；通过与传统优化方法进行对比，验证了该算法的优越性。

关键词：集合经验模态分解；布谷鸟搜索；支持向量机；故障诊断

中图分类号：TH133.33；TP29                        文献标志码：A                     文章编号：1001-4551(2019)06-0622-06

本文引用格式：

梁治华，曹江涛，姬晓飞.基于EEMD和CSSVM的滚动轴承故障诊断研究［J］.机电工程，2019，36(6)：622-627.
LIANG Zhihua, CAO Jiangtao, JI Xiaofei. Fault diagnosis of rolling bearing based on EEMD and CSSVM［J］.Journal of Mechanical & Electrical Engineering, 2019,36(6):622-627.
《机电工程》杂志：http://www.meem.com.cn