基于VMD?ESA和IPOA?XGBOOST相結(jié)合的異步電機(jī)故障診斷

打開文本圖片集

摘  要： 為了提高異步電機(jī)故障診斷的準(zhǔn)確度，提出一種結(jié)合變分模態(tài)分解（VMD）、包絡(luò)譜分析法（ESA）和改進(jìn)的鵜鶘優(yōu)化算法優(yōu)化的極限梯度提升模型（IPOA?XGBOOST）的智能診斷方法。首先，對實測的異步電機(jī)振動信號進(jìn)行VMD分解，并用ESA計算VMD分解得到的本征模態(tài)分量（IMFs）的瞬時能量矩陣；然后用奇異值分解法（SVD）對得到的瞬時能量矩陣進(jìn)行特征提?。蛔詈?，使用提取到的特征向量訓(xùn)練IPOA?XGBOOST模型，得到異步電機(jī)的故障診斷準(zhǔn)確率。（剩余8901字）