关键词：旋转机械;故障诊断;集合经验模态分解;粒子群优化算法;AdaBoost;神经网络
摘 要：针对旋转机械振动信号具有非线性、非平稳的特点，对振动信号进行了多域分析并将PSO-BP-AdaBoost强分类器模型引入到旋转机械故障诊断领域。首先，以粒子群算法优化的BP神经网络为弱分类器，以AdaBoost算法组合构造强分类器建立了分析模型；其次，以某设备振动信号为例，利用集合经验模态分解（EEMD）得到的模态分量计算了其能量特征值，并对时域信号进行分析得到了时域特征值；最后，通过对某转子振动数据进行分析，对比了PSO-BPAdaBoost算法与4种传统算法在以时域、能量域、时域+能量域特征值3种不同输入条件下的诊断准确率及效率。结果表明，在采用PSO-BP-AdaBoost算法及同时考虑时域与能量域特征时，其最高诊断准确率达100%，平均诊断准确率达98%，其诊断精度与效率比传统方法具有优势。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取