机械设计与研究 ›› 2014, Vol. 30 ›› Issue (06): 26-29+33.doi: 10.13952/j.cnki.jofmdr.a3500

• 论文 • 上一篇    下一篇

基于EEMD信息熵和PSO-SVM的自动机故障诊断

李莎;潘宏侠;都衡;   

  1. 中北大学机械与动力工程学院;
  • 发布日期:2020-07-26

  • Published:2020-07-26

摘要: 针对自动机振动信号的瞬态冲击、非线性和非平稳性,提出一种基于集合经验模式分解(EEMD)的信息熵和粒子群优化的支持向量机(PSO-SVM)相结合的故障诊断方法。首先采用小波阈值降噪对振动信号进行预处理;其次运用具有抗混叠效应的EEMD对降噪信号进行分解得到本征模式分量(IMF),从而提取能反映自动机状态的特征参数:能量熵、边际谱熵和奇异谱熵;最后对支持向量机(SVM)的参数利用粒子群优化(PSO)算法进行优化,并将特征向量子集分别作为PSO-SVM和概率神经网络(PNN)的输入参数以识别自动机故障,结果表明:PSO-SVM相对于PNN可以提高故障分类正确率,同时证明基于EEMD信息熵和PSO-SVM方法在自动机故障诊断中的有效性。

关键词: 自动机, 信息熵, 集合经验模式分解, PSO-SVM

Key words: automatic mechanism, information entropy, ensemble empirical mode decomposition, PSO-SVM