基于DE-LSSVM的滚动轴承故障诊断

来源：计算机测量与控制杂志2015年第12期北京时间：

作者：岳晓峰,邵海贺

摘要：针对滚动轴承故障诊断难以获得大量样本的问题以及LS-SVM 模型参数选择方法易陷入局部最优的缺点，提出了一种集合经验模态分解能量熵和差分进化算法（DE）优化最小二乘支持向量机相结合的轴承故障诊断方法。首先原始振动信号采用EEMD分解得到一组固有模态函数（IMF），从有效本征模态函数IMF分量中提取的能量特征作为输入建立支持向量机，通过计算不同振动信号的能量熵值大小来判断轴承的故障损伤程度。为了提高模型的诊断精度，采用差分进化算法对LS-SVM的结构参数进行优化，并与LS-SVM和PSO-LSSVM模型相比较。结果表明，DE-LSSVM 模型的故障分类准确性得到了提高，可以有效应用于滚动轴承故障诊断中。

关键词：集合经验模式分解;能量熵;差分进化算法;最小二乘支持向量机;故障诊断

基金资助：吉林省科技厅基金资助项目(编号： 20110303)