机械设计与制造2022，Vol.372Issue(2) ：111-115.

ELM-Adaboost分类器在轴承故障诊断中的运用

Fault Diagnosis of Rolling Bearing Based on ELM-Adaboost Model

胡超 沈宝国 杨妍 谢中敏
机械设计与制造2022，Vol.372Issue(2) ：111-115.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

ELM-Adaboost分类器在轴承故障诊断中的运用

Fault Diagnosis of Rolling Bearing Based on ELM-Adaboost Model

胡超 1沈宝国 1杨妍 1谢中敏1
扫码查看

作者信息

  • 1. 江苏航空职业技术学院航空工程学院,江苏镇江212134
  • 折叠

摘要

研究强分类器ELM-Adaboost模型在滚动轴承故障诊断中的运用.首先,从滚动轴承故障振动信号中提取时域特征参数,并采用因子分析法对变量进行降维处理;其次,对ELM-Adaboost模型中的关键参数进行详细分析,并选择最优的参数对ELM-Adaboost模型进行优化;最后,将ELM-Adaboost模型用于滚动轴承故障诊断中.实验研究结果表明:神经元数量和激活函数都能明显的影响到故障诊断准确率;激活函数采用Hardlim()函数的诊断效果比其它函数要好;ELM-Adaboost模型对神经元数量引起的诊断准确率波动性较小;在重复30次实验中,ELM-Adaboost模型对不同类型的轴承故障诊断准确率均在84％以上,而ELM模型则在78％以上,且ELM-Adaboost模型对重复诊断导致的结果波动性相比较低.

关键词

滚动轴承/故障诊断/ELM-Adaboost/因子分析

引用本文复制引用

基金项目

江苏省自然科学基金(BK20180863)

镇江市科技计划(GY2018029)

2017年度院级课题(JATC17010102)

出版年

2022
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量1
参考文献量14
段落导航相关论文