来源：期刊VIP网 时间：
作者：栾孝驰;张席;沙云东;徐石;
单位：沈阳航空航天大学航空发动机学院;
摘要：针对中介轴承故障振动信号具有传递路径复杂、强背景噪声干扰等特点，其故障特征不易提取的问题，提出基于自适应噪声完全经验模态分解（CEEMDAN）与灰狼算法（GWO）优化的极限学习机（ELM）相结合的中介轴承故障诊断方法。利用CEEMDAN和相关系数-能量比-峭度准则（CEKC）对振动信号进行分解、筛选、重构；再提取重构信号的时域和频域特征构成特征矩阵；然后以平均错误率作为GWO的适应度值，对ELM的输入层与隐含层的权值和隐含层阈值进行优化后重新构建ELM；最后将特征矩阵输入ELM得到故障诊断结果。应用于中介轴承故障诊断中，ELM在GWO优化后故障诊断正确率有明显提升，其中45°方向传感器数据正确率由93.33%提升到99.17%。结果表明：该方法能够有效诊断中介轴承故障类型，表现出了较强的泛化能力。
关键词：中介轴承;;模态分解;;极限学习机;;灰狼算法;;故障诊断
基金资助：辽宁省教育厅系列项目（JYT2020010）~~
