基于多尺度排列熵和改进多分类相关向量机的滚动轴承故障诊断方法

作     者：陈鹏 赵小强 朱奇先 Chen Peng;Zhao Xiaoqiang;Zhu Qixian

作者机构：.兰州理工大学电气工程与信息工程学院兰州730050 大型电气传动系统与装备技术国家重点实验室天水741020 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2020年第32卷第2期

页      面：20-28页

核心收录：

学科分类：12[管理学] 08[工学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080401[工学-精密仪器及机械] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(61763029) 大型电气传动系统与装备技术国家重点实验室开放基金(SKLLDJ012016020)资助项目 

主　　题：滚动轴承 故障诊断 多尺度排列熵 多分类相关向量机 蝗虫优化算法 

摘      要：针对传统的时域、频域和时频域参数提取方法,难以从滚动轴承振动信号中提取出丰富的故障特征问题,提出通过多尺度排列熵提取故障特征,并结合改进的多分类相关向量机进行故障诊断的方法。由于多分类相关向量机的核函数参数不具有自适应选择的能力对故障诊断精度有较大影响,通过一种新智能优化算法-蝗虫优化算法改进多分类相关向量机,实现多分类相关向量机的自适应优化故障诊断。采用美国西储大学的试验数据验证表明,提出的优化故障诊断模型能够实现滚动轴承不同类型的故障诊断和不同故障程度的辨识,与粒子群优化多分类相关向量机的故障诊断模型相比,提出的故障诊断模型准确率达到了100%。