计算机集成制造系统 ›› 2023, Vol. 29 ›› Issue (5): 1452-1461.DOI: 10.13196/j.cims.2023.05.004
侯钰哲1,李舜酩1,2+,龚思琪1,黄继刚2,张建兵2,卢静2
HOU Yuzhe1,LI Shunming1,2+,GONG Siqi1,HUANG Jigang2,ZHANG Jianbing2,LU Jing2
摘要: 为了从原始高维特征空间中选择最具鉴别能力的特征,提高轴承故障诊断精度,提出了一种Filter与改进灰狼优化混合的故障特征选择算法。首先,针对滚动轴承的原始振动信号,利用一种基于Hilbert-Huang变换的时频域特征提取策略建立高维敏感特征集合。然后,通过由ReliefF算法与拉普拉斯分数构成的混合Filter方法对原始特征集合进行相关性评估并快速筛选重要特征,从而完成特征集合的一次预选。最后,引入改进灰狼优化算法对预选特征集合进行二次筛选,实现冗余特征去除的同时,完成对支持向量机模型参数的优化。利用旋转机械振动试验台获取故障轴承数据进行了验证,试验结果表明,该方法显著提高了分类器模型的诊断准确率,有效实现了故障数据集的特征降维,并且与同类方法相比,所提方法具有更好的综合性能。
中图分类号: