仪器仪表学报

作者：张淑清，苑世钰，姚玉永，穆勇，王丽丽

单位：张淑清,燕山大学电气工程学院秦皇岛066004,,苑世钰,燕山大学电气工程学院秦皇岛066004,,姚玉永,国网冀北电力有限公司 唐山供电公司唐山063000,,穆勇,国网冀北电力有限公司 唐山供电公司唐山063000,,王丽丽,国网冀北电力有限公司 唐山供电公司唐山063000,

关键词：改进的完备集合经验模态分解;混合熵;自适应鲸鱼算法优化极限学习机;机械故障诊断方法

基金：国家重点研发项目（2018YFB0905500）、国家自然科学基金（51875498）、河北省自然科学基金（E2018203339）、河北省专业学位研究生教学案例库建设项目(KCJSZ2017022)资助

旋转机械设备故障检测及识别一直是研究的热点。针对目前故障特征提取和诊断方法的不足，提出一种基于改进的完备集合经验模态分解(ICEEMD)与自适应鲸鱼优化算法(AWOA)优化极限学习机(ELM)的机械故障诊断方法。ICEEMD能够避免在分解过程中产生伪模态，其模式中残留噪声小，使提取故障信息更加准确。利用ICEEMD将采集到的信号分解成多个本征模态函数(IMF)，对滚动轴承不同故障状态IMF的斯皮尔曼等级相关系数(SRCC)的计算结果进行分析，得出筛选IMF的标准为其SRCC大于0?02；将筛选后的IMF的混合熵（HE）作为特征向量。WOA相比其他仿生算法所需要调整的相关参数少、收敛速度快、稳定性好。AWOA利用自适应权重优化WOA的局部搜索方式，进一步提高了收敛精度。利用AWOA对ELM的权值和阈值进行优化，可以提高故障诊断的准确率。通过对比实验证明，AWOA?ELM的学习能力强、故障诊断的准确率更高。AWOA?ELM应用在滚动轴承不同尺寸滚珠和外圈故障诊断中，对滚珠故障诊断的准确率达到99?5%，对外圈故障诊断的准确率达到100%。

来源：2019年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第11期