《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于MFF与IWOA-LSSVM的电机轴承故障诊断研究

作者：董程阳日期：2022-08-17/span> 浏览：1451 查看PDF文档

基于MFF与IWOA-LSSVM的电机轴承故障诊断研究*

董程阳

(上海电力大学自动化工程学院,上海 200090)

摘要:针对电机轴承故障诊断过程中,存在种种困难的问题,提出了一种基于多特征融合(MFF)与改进鲸鱼优化算法(IWOA)优化最小二乘支持向量机(LSSVM)的电机轴承状态诊断方法。首先,利用Sobol序列去初始化算法种群,在算法种群搜索过程中加入了莱维飞行策略,并在WOA算法位置更新公式中添加了惯性权重;然后,提取了电机轴承振动信号的小波包能量特征、平均值和峭度,并将以上电机轴承振动信号特征作为算法的输入;最后,为了验证基于MFF与IWOA-LSSVM的电机轴承诊断方法的有效性,分别以单独使用小波包能量特征作为算法输入,以及小波包能量特征和时域特征共同作为算法输入,进行了两组相关的电机轴承状态识别对比实验。研究结果表明:相比于单一小波包能量特征,采用多特征融合能更全面地反映电机轴承真实运行状态;相比于PSO、GA算法，基于WOA算法可以更有效地避免局部最优;相比于基本WOA算法,改进后的WOA算法可以更有效地避免局部最优;相比于其他电机轴承状态识别算法,IWOALSSVM算法的分类性能更优,对电机轴承状态识别率达到99.5%。

关键词:电机轴承;故障诊断;多特征融合;改进鲸鱼优化算法;最小二乘支持向量机

中图分类号:TH133.33;TM307文献标识码:A文章编号:1001-4551(2022)06-0806-07

本文引用格式：

董程阳.基于MFF与IWOA-LSSVM的电机轴承故障诊断研究[J].机电工程，2022,39(6):806-812.

DONG Cheng-yang.Research on fault diagnosis of motor bearing based on MFF and IWOA-LSSVM[J].Journal of Mechanical & Electrical Engineering,2022,39(6):806-812.