来源：期刊VIP网 时间：
作者：李彦阳;王金东;宁留洋;马磊;
单位：黑龙江八一农垦大学土木水利学院;东北石油大学机械科学与工程学院;湖南交通工程学院机电工程学院;湖南文理学院数理学院;
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
基金资助：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)
