基于GMDE和MFO-MKELM算法的往复压缩机轴承故障诊断研究
李彦阳1
王金东2
宁留洋3
马磊4
1.黑龙江八一农垦大学 土木水利学院,大庆 163319;东北石油大学 机械科学与工程学院,大庆 1633182.东北石油大学 机械科学与工程学院,大庆 1633183.湖南交通工程学院 机电工程学院,衡阳 4210094.湖南文理学院 数理学院,常德 415000
摘要：[目的]针对往复压缩机轴承间隙振动信号呈现局部强非平稳性、非线性等特点,导致出现轴承故障特征提取困难、识别准确率不高等问题,提出了基于广义多尺度散布熵(Generalized Multi-scale Dispersal Entropy,GMDE)和飞蛾捕焰优化-多核极限学习机智能模型算法(Moth Flame Catching Optimization and Multiple Kernel Extreme Learning Machine,MFO-MKELM)的往复压缩机轴承故障诊断新方法.[方法]首先,针对多尺度散布熵在粗粒化过程中采用均值粗粒化方式、在一定程度"中和"了原始信号的动力学突变行为、降低了熵值分析准确性,提出了一种广义多尺度散布熵算法,并提取往复压缩机轴承间隙振动信号的故障特征;接着,将多项式核函数和改进高斯核函数进行线性组合,构建多核极限学习机智能识别算法,并针对提取的特征向量集进行了故障诊断研究.[结果]仿真结果表明,该诊断方法识别准确率达98.6%,实现了轴承不同种类故障的高效、智能诊断.
关键词：往复压缩机广义多尺度散布熵飞蛾捕焰优化算法多核极限学习机
分类号：TH133.33(机械零件及传动装置)
资助基金：湖南省自然科学基金项目(2024JJ7296)东北石油大学青年科学基金资助项目(2018ANC-31)
论文发表日期：2025-02-14
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 170-176 )
英文信息