基于VMD⁃ESA和IPOA⁃XGBOOST相结合的异步电机故障诊断

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要： 为了提高异步电机故障诊断的准确度，提出一种结合变分模态分解（VMD）、包络谱分析法（ESA）和改进的鹈鹕优化算法优化的极限梯度提升模型（IPOA⁃XGBOOST）的智能诊断方法。首先，对实测的异步电机振动信号进行VMD分解，并用ESA计算VMD分解得到的本征模态分量（IMFs）的瞬时能量矩阵；然后用奇异值分解法（SVD）对得到的瞬时能量矩阵进行特征提取；最后，使用提取到的特征向量训练IPOA⁃XGBOOST模型，得到异步电机的故障诊断准确率。（剩余8901字）

试读结束

目录
monitor