标题：基于改进的KELM轴承故障诊断算法
作者：张成 李朝阳
作者单位：沈阳化工大学理学院，辽宁 沈阳 110142
关键字：故障诊断；核主成分分析；麻雀算法；核极限学习机
摘要：提出了一种使用核主成分分析（KPCA）、改进的麻雀搜索算法（OCSSA）和核极限学习机（KELM）相结合的算法来解决工厂化工过程中数据非高斯性和数据耦合性强的故障检测问题。首先使用KPCA算法降维，然后使用OCSSA算法寻找KELM中核参数γ和正则化系数C的最优取值。其中对SSA算法的改进如下：通过引入混沌映射技术增加SSA算法的种群丰富性，采用鱼鹰优化算法在第一阶段的全局勘探策略来替换SSA算法的发现者位置更新公式，利用柯西变异策略来替换SSA算法的跟随者位置更新公式。最终建立了一种KPCA、OCSSA和KELM三种算法相结合的轴承故障诊断分类算法。实验结果显示，经过OCSSA优化后，该算法在解决轴承故障时表现出了较高的准确性和有效性。