|
1.
基于ELDA降维与MPA-SVM的滚动轴承故障诊断方法
刘运航, 宋宇博, 朱大鹏
噪声与振动控制
2024, 44 (3):
117-124.
为了提高滚动轴承故障诊断精度,提出一种基于偏心线性判别分析(Eccentric Linear Discriminant Analysis,ELDA)降维算法与经海洋捕食者算法(Marine Predators Algorithm,MPA)优化的支持向量机(Support Vector Machine,SVM)相结合的滚动轴承故障诊断方法。首先对轴承信号应用时域和频域分析方法构建高维特征集,其次应用自适应最大似然估计方法(Adaptive Maximum Likelihood Estimation,AMLE)进行固有维度估计,利用ELDA算法进行二次特征提取,充分挖掘敏感特征,降低冗余特征对故障诊断的影响;最后将低维敏感可分矩阵输入到MPA-SVM分类器中识别故障类型。实验分析表明,所提方法能有效缩短训练时长并提高诊断准确率。
相关文章 |
多维度评价
|
|