一种基于EEMD和改进GSA-SOM神经网络的滚动轴承故障诊断方法
基本信息
| 申请号 | CN202011315904.5 | 申请日 | - |
| 公开（公告）号 | CN112345252A | 公开（公告）日 | 2021-02-09 |
| 申请公布号 | CN112345252A | 申请公布日 | 2021-02-09 |
| 分类号 | G01M13/045(2019.01)I;G06N3/04(2006.01)I | 分类 | 测量；测试; |
| 发明人 | 胡海平;张永会;鲍峰;李杨;杨朝武;于芳;邱宇;姬联涛;李官军;李浩源 | 申请（专利权）人 | 松花江水力发电有限公司吉林白山发电厂 |
| 代理机构 | 通化旺维专利商标事务所有限公司 | 代理人 | 王伟 |
| 地址 | 100033北京市西城区西长安街86号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于EEMD和改进GSA‑SOM神经网络的滚动轴承故障诊断方法，该方法首先通过EEMD分解将非平稳的原始振动信号分解成若干个平稳的本征模函数（IMF）；随后进行能量特征提取，得到反映振动信号的特征向量；进一步，采用改进GSA算法对SOM神经网络权重进行优化，最后将得到的特征向量输入到改进GSA‑SOM神经网络中进行故障自动识别。与现有技术相比，该方法结合了集合经验模态分解和人工智能算法的优点，可以准确地提取滚动轴承故障特征，具有较高的识别精度，提高了滚动轴承故障类型识别的准确率，能有效地应用于滚动轴承的故障诊断中。 |
