振动与冲击2021，Vol.40Issue(6) ：71-78.DOI:10.13465/j.cnki.jvs.2021.06.009

基于OHF Elman-AdaBoost算法的滚动轴承故障多时期诊断方法

Multi-period fault diagnosis of rolling bearings based on the OHF Elman-AdaBoost algorithm

卓鹏程 夏唐斌 郑美妹 郑宇 奚立峰
振动与冲击2021，Vol.40Issue(6) ：71-78.DOI:10.13465/j.cnki.jvs.2021.06.009
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于OHF Elman-AdaBoost算法的滚动轴承故障多时期诊断方法

Multi-period fault diagnosis of rolling bearings based on the OHF Elman-AdaBoost algorithm

卓鹏程 1夏唐斌 2郑美妹 1郑宇 1奚立峰2
扫码查看

作者信息

  • 1. 上海交通大学机械与动力工程学院,上海200240
  • 2. 上海交通大学机械与动力工程学院,上海200240;上海交通大学机械系统与振动国家重点实验室,上海200240
  • 折叠

摘要

针对随机噪声下滚动轴承多时期(初期、中期、晚期)故障诊断需求,提出OHF Elman-AdaBoost (output hidden feedback Elman-adaptive boosting)算法,以实现滚动轴承的精确故障诊断.采用集合经验模态分解(ensemble empirical mode decomposition,EEMD)对原始信号进行分解、降噪、信号重构.设计OHF Elman方法在Elman神经网络的基础上增加输出层对隐含层的反馈,提高了其对动态数据的记忆功能.选择OHF Elman神经网络作为弱回归器,结合AdaBoost算法集成出一种新的强回归器:OHF Elman-AdaBoost算法.实验结果表明,该算法不仅对滚动轴承不同故障时期具有很好的诊断效果,而且提高了对全样本数据的诊断准确度,为滚动轴承故障诊断提供了新型工具和有效方案.

关键词

滚动轴承/OHF/Elman-AdaBoost/神经网络/集合经验模态分解(EEMD)/故障多时期诊断

引用本文复制引用

基金项目

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量3
参考文献量1
段落导航相关论文