融合时频特征与IWOA-HKELM的轴承故障诊断方法

本发明公开了融合时频特征与IWOA‑HKELM的轴承故障诊断方法，包括如下方法步骤：S1：获取轴承在不同状态下运行的振动信号；S2：将振动信号分解为若干个本征模态分量(Intrinsic Mode Function，IMF)，通过皮尔逊相关系数‑峭度综合评价指标筛选含有故障特征的IMF；S3：提取筛选后IMF的熵特征，构建故障特征矩阵，随后对故障特征矩阵进行归一化处理；S4：构建混合核极限学习机(Hybridnuclear limit learning machine，HKELM)分类器模型；S5：在鲸鱼优化算法(Whale optimization algorithm，WOA)的基础上引入Tent混沌映射、非线性收敛因子、自适应惯性权重、黄金正弦策略和自适应t分布变异策略，然后建立IWOA‑HKELM故障诊断模型并计算故障诊断模型对测试集的诊断正确率。本发明具有良好的诊断精度和鲁棒性的优点。