Resumen

En este documento, se propone un novedoso método de diagnóstico de fallas inteligentes en rodamientos basado en un algoritmo de manada de krill (NKH) y una máquina de aprendizaje extremo con kernel (KELM). En primer lugar, se utiliza la entropía de dispersión multiscalar (MDE) para extraer características de falla de los rodamientos y obtener un conjunto de vectores de características de falla compuestos por entropía de dispersión. Luego, se importa a la máquina de aprendizaje extremo con kernel para el diagnóstico de fallas. Pero considerando que los parámetros de la función del kernel y el factor de penalización del error afectarán la precisión de clasificación de la máquina de aprendizaje extremo con kernel, este documento utiliza el novedoso algoritmo de manada de krill (NKH) para su optimización. Se añaden poblaciones opuestas al NKH en la inicialización de la población para mejorar su velocidad y evitar el óptimo local, y durante el período de búsqueda de la solución óptima, se introduce el operador

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Novela; Soporte; Diagnóstico de fallas; Algoritmo de manada de krill; Máquina de aprendizaje extremo de núcleo; Optimización
• Keywords:Novel; Bearing; Fault diagnosis; Krill herd algorithm; Kernel extreme learning machine; Optimization