免疫遗传优化Elman神经网络的旋转机械故障诊断

针对旋转机械故障诊断过程中故障知识相互关联的过程难以用传统机器学习模型快速得到全面的典型故障数据,提出一种免疫遗传算法(immune genetic algorithm,IGA)优化Elman神经网络的故障诊断模型。首先对滚动轴承振动信号进行经验模式分解(empirical mode decomposition,EMD),得到多个内禀模态分量(intrinsic mode function,IMF),再提取表征状态特征的内禀模态分量能量构建特征向量输入到IGA优化的Elman神经网络进行故障模式辨识,IGA参数优化可快速准确得到Elman神经网络的全局最优权值和阈值向量,提高Elman神经网络的故障诊断精度和自适应动态记忆能力。滚动轴承的故障模拟实验结果表明,较之传统故障诊断模型该方法显著提高了滚动轴承的故障诊断精度和泛化推广能力。