+高级检索
首页 > 过刊浏览>2023年第46卷第15期 >186-192
PDF HTML阅读 XML下载 导出引用 引用提醒
ISSA优化SVM的电机滚动轴承故障诊断
CSTR:
[cstr]
作者:
作者单位:

1.北京信息科技大学高动态导航技术北京市重点实验室 北京 100101; 2.北京信息科技大学现代测控技术教育部重点实验室 北京 100101

中图分类号:

TH113

基金项目:

北京信息科技大学重点研究培育项目（2121YJPY220）、北京市教委一般项目（KM202111232004）、中国石油天然气集团有限公司中国石油大学（北京）战略合作科技专项（ZLZX202003）资助


ISSA optimizes SVM′s motor rolling bearing fault diagnosis
Author:
  • Yang Xu

    Yang Xu

    1.Beijing Key Laboratory of High Dynamic Navigation Technology，Beijing Information Science & Technology University， Beijing 100101,China； 2.Key Laboratory of Modern Measurement & Control Technology, Ministry of Education，Beijing Information Science & Technology University，Beijing 100101,China
    在期刊界中查找
    在百度中查找
    在本站中查找
  • Zhang Tao

    Zhang Tao

    1.Beijing Key Laboratory of High Dynamic Navigation Technology，Beijing Information Science & Technology University， Beijing 100101,China； 2.Key Laboratory of Modern Measurement & Control Technology, Ministry of Education，Beijing Information Science & Technology University，Beijing 100101,China
    在期刊界中查找
    在百度中查找
    在本站中查找
  • Li Yumei

    Li Yumei

    1.Beijing Key Laboratory of High Dynamic Navigation Technology，Beijing Information Science & Technology University， Beijing 100101,China； 2.Key Laboratory of Modern Measurement & Control Technology, Ministry of Education，Beijing Information Science & Technology University，Beijing 100101,China
    在期刊界中查找
    在百度中查找
    在本站中查找
  • Liu Hong

    Liu Hong

    1.Beijing Key Laboratory of High Dynamic Navigation Technology，Beijing Information Science & Technology University， Beijing 100101,China； 2.Key Laboratory of Modern Measurement & Control Technology, Ministry of Education，Beijing Information Science & Technology University，Beijing 100101,China
    在期刊界中查找
    在百度中查找
    在本站中查找
Affiliation:

1.Beijing Key Laboratory of High Dynamic Navigation Technology，Beijing Information Science & Technology University， Beijing 100101,China; 2.Key Laboratory of Modern Measurement & Control Technology, Ministry of Education，Beijing Information Science & Technology University，Beijing 100101,China

  • 摘要
    • | |
  • 访问统计
    • |
  • 参考文献
    • |
  • 相似文献
    • |
  • 引证文献
    • | |
  • 文章评论
    摘要:

    针对电机轴承易发生故障，传统故障诊断方法具有耗时长、诊断精度低、调节参数多等问题，提出一种改进麻雀搜索算法ISSA优化支持向量机SVM的轴承故障诊断方法。该分类算法在传统麻雀寻优算法中引入改进Tent混沌映射、鸡群算法随机跟随策略、自适应t分布与动态选择策略，首先采用CEEMDAN能量熵对振动信号进行分解，选取与原信号相关性最大的5个IMF分量的能量熵值作为特征向量，然后输入到ISSASVM分类器中进行轴承故障诊断。分别与PSOSVM、GWOSVM、SSASVM分类模型进行实验对比，结果表明ISSASVM诊断模型的诊断精度最高可达到100%。

    Abstract:

    Aiming at the problems of motor bearings being prone to failure, the traditional fault diagnosis method has long time, low diagnostic accuracy and many adjustment parameters, and this paper proposes a bearing fault diagnosis method for support vector machine SVM optimized by improving sparrow algorithm ISSA. The classification algorithm introduces improved Tent chaos mapping, flock algorithm random following strategy, adaptive t distribution and dynamic selection strategy in the traditional sparrow optimization algorithm, and first uses CEEMDANenergy entropy to decompose the vibration signal, selects the energy entropy values of the five IMF components with the greatest correlation with the original signal as the eigenvector, and then inputs it to the ISSASVM classifier for bearing fault diagnosis. Experimental comparison with PSOSVM、GWOSVM and SSASVM classification models shows that the diagnostic accuracy of the ISSASVM diagnostic model can reach up to 100%.

    参考文献
    相似文献
    引证文献
引用本文

杨旭,张涛,李玉梅,刘洪. ISSA优化SVM的电机滚动轴承故障诊断[J].电子测量技术,2023,46(15):186-192

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 在线发布日期: 2024-01-08
文章二维码
您是第 位访问者
主管单位：北京电子控股有限责任公司
主办单位：北京无线电技术研究所
地址：北京市东城区北河沿大街79号
电话：13810562337
电子测量技术 ® 2025 版权所有