基于PSO-ELM的滚动轴承故障诊断模式识别方法

摘要

在机械设备的故障诊断中,滚动轴承作为大型机械设备中的重要组成结构,其故障诊断尤为重要.并且轴承故障诊断的核心就是模式识别,主要通过对特征向量的分类,实现对轴承多种故障类型的识别诊断.本文提出粒子群优化极限学习机(particle swarm optimization-extreme learning machine,PSO-ELM)的模式识别方法进行滚动轴承的故障诊断.首先利用粒子群优化算法选取极限学习机的最优参数,再将特征向量输入到PSO-ELM诊断器中对滚动轴承的故障进行准确判断.实验结果表明:该故障诊断模型可以更快地实现对滚动轴承故障的准确识别,证明该模型的稳定性及有效性.