基于IESOA-BP的滾動軸承故障診斷

摘要： 在機(jī)械設(shè)備故障診斷中，輸入特征向量的差異會影響診斷精度，為了提高智能制造模式下滾動軸承故障診斷的準(zhǔn)確性和可靠性，提出一種基于變分模態(tài)分解(VMD)和時頻域熵的故障特征提取結(jié)合改進(jìn)的白鷺群算法(IESOA)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法。首先，借助變分模態(tài)分解，成功解決模式混疊的問題；其次，提取各模態(tài)分量的時域香農(nóng)熵和頻域頻譜熵構(gòu)造故障特征向量，作為故障診斷模型的輸入；再次，引入... （共7頁）