Noise and Vibration Control ›› 2024, Vol. 44 ›› Issue (3): 117-124.

Previous Articles     Next Articles

Rolling Bearing Fault Diagnosis Method Based on ELDA Dimension Reduction and MPA-SVM

  

  • Received:2022-11-07 Revised:2023-02-27 Online:2024-06-18 Published:2024-06-18

基于ELDA降维与MPA-SVM的滚动轴承故障诊断方法

刘运航1,宋宇博1,朱大鹏2   

  1. ( 1. 兰州交通大学机电技术研究所,兰州730070; 2. 兰州交通大学交通运输学院,兰州730070 )

摘要: 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。

关键词: 故障诊断, 滚动轴承, 特征降维, 海洋捕食者算法, 支持向量机