基于EEMD能量熵和GJO-KELM的滚动轴承故障诊断

来源：电子测量技术杂志2024年第6期北京时间：

作者：史书杰，赵凤强，王波，杨晨昊，周帅

单位：大连民族大学机电工程学院 大连 116650

摘要：滚动轴承在旋转机械中发挥着重要作用，若出现故障，轻则引起设备停机，重则危及现场人员生命安全，因此有必要对其进行故障诊断。针对滚动轴承故障特征难以提取，传统分类方法正确率不高的问题，本文提出一种基于集合经验模态分解（EEMD）能量熵和金豺优化算法（GJO）优化核极限学习机（KELM）的故障诊断方法，实现了提取滚动轴承故障特征并正确分类的目标。通过实验数据进行验证，该方法能够提取到滚动轴承原始信号中隐含的故障信息特征，其诊断正确率高达98.47%。

关键词：EEMD;能量熵;金豺优化算法;核极限学习机;故障诊断

基金资助：国家自然科学基金（51875085）资助项目