IHIE在滚动轴承损伤识别中的应用

针对滚动轴承的损伤识别精度较低的缺陷,建立基于改进层次增量熵(IHIE)和海鸥算法(SOA)优化极限学习机(ELM)的损伤识别模型。首先,采用IHIE提取滚动轴承的熵值特征,生成故障特征;然后,利用SOA对ELM进行迭代寻优,建立结构最优的分类模型;最后,将故障特征输入至SOA-ELM模型中进行训练和测试,完成滚动轴承的损伤识别。利用两组滚动轴承数据集对该模型进行了实验评估。研究结果表明:该模型能够有效识别滚动轴承的损伤类型和损伤程度,两种数据集的识别准确率分别达到了100%和96.92%,且在多个维度都优于对比方法,具有一定的优越性。