基于特征融合和GSWOA-KELM的齿轮故障诊断方法

    公开(公告)号:CN119167183A

    公开(公告)日:2024-12-20

    申请号:CN202311526994.6

    申请日:2023-11-15

    Abstract: 本发明提供了一种基于特征融合和GSWOA‑KELM的齿轮故障诊断方法,包括以下步骤:获取原始齿轮故障振动信号数据集并进行预处理;提取齿轮故障状态下的时域、频域特征并将其进行特征融合以构建故障特征向量;用改进的鲸鱼优化算法(GSWOA)对核极限学习机(KELM)的正则化系数C和核函数参数γ进行优化,构建GSWOA‑KELM故障诊断模型;将时域、频域以及融合特征向量分别输入GSWOA‑KELM模型,实现对齿轮故障的智能诊断识别;建立KELM、SSA‑KELM和WOA‑KELM模型,并输入时、频域融合特征进行故障诊断,将诊断结果与GSWOA‑KELM模型的故障诊断结果进行对比验证。实验验证表明,本发明具有更高的齿轮故障诊断准确率、更快的收敛速度和更强的全局搜索能力。

Patent Agency Ranking