基于ICEEMDAN和松鼠算法优化极限学习机的滚动轴承故障诊断

摘要

针对滚动轴承故障识别问题,提出了一种基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和松鼠搜索算法(SSA)优化极限学习机(ELM)的轴承故障诊断方法。该方法首先通过ICEEMDAN对滚动轴承振动信号进行分解,得到若干本征模态函数(IMF);其次,根据相关系数筛选出相关性高,具有代表意义的IMF分量并计算出其奇异值来构建特征向量;最后,将提取到的特征向量输入到松鼠搜索算法优化后的ELM中进行故障识别。将所提出的方法应用于西储大学轴承试验台中滚动轴承的故障诊断与识别,其故障识别准确率达98.18%。诊断结果表明:该方法具有较高的精准度,并可将该方法推广应用于各类旋转机械滚动轴承故障的诊断与识别。