基于参数优化VMD和改进DBN的滚动轴承故障诊断方法研究

	基于参数优化VMD和改进DBN的滚动轴承故障诊断方法研究
	盛肖炜 1; 于林鑫 2; 毕鹏飞 3; 康兴汝 4; 朱美臣 5
	2021-09-20
发表期刊	机电工程
ISSN	1001-4551
卷号	38 期号:09 页码:1107-1116
摘要	针对滚动轴承早期微弱故障难以检测和故障诊断率不高的问题,提出了一种基于参数优化的变分模态分解(VMD)和改进的深度置信网络(DBN)的故障诊断方法。首先,为了消除人为选择VMD参数的影响,采用了鲸群算法(WOA)寻优VMD算法的最佳模态分解个数和惩罚因子的参数组合;然后,利用参数优化后的VMD算法分解了滚动轴承振动信号,分解后的本征模态分量(IMF)求频谱后组成了高维数据集;最后,直接输入麻雀搜索算法(SSA)优化的深度置信网络进行了模式识别。研究结果表明:针对滚动轴承的故障,相同模式识别方法VMD算法故障识别率为97.4%,相比于EMD算法96.5%的故障识别率更高;相同信号处理方法下,DBN网络故障诊断率为98.7%,相比于SVM算法97.4%故障诊断率更高;WOA-VMD-SSA-DBN算法的故障诊断率达到了100%,故障诊断的效果得到了进一步提升。
关键词	滚动轴承故障诊断变分模态分解鲸群优化算法深度置信网络麻雀搜索算法
URL	查看原文
收录类别	北大核心
语种	中文
资助项目	国家自然科学基金资助项目(51907018);中央高校基本科研业务费专项资金资助项目(N2004009);国防科技重点实验室稳定支持基金资助项目(JCKYS2019602003);江苏开放大学办学系统"十三五"2018年度科研规划课题资助项目(2018XTZC16)
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/152113
专题	国家开放大学江苏分部
通讯作者	于林鑫
作者单位	1.无锡开放大学机电工程系; 2.东北大学信息科学与工程学院; 3.哈尔滨工程大学自动化学院; 4.内蒙古北方重工业集团有限公司; 5.浙江联宜电机有限公司
第一作者单位	国家开放大学江苏分部
第一作者的第一单位	国家开放大学江苏分部
推荐引用方式 GB/T 7714	盛肖炜,于林鑫,毕鹏飞,等. 基于参数优化VMD和改进DBN的滚动轴承故障诊断方法研究[J]. 机电工程,2021,38(09):1107-1116.
APA	盛肖炜,于林鑫,毕鹏飞,康兴汝,&朱美臣.(2021).基于参数优化VMD和改进DBN的滚动轴承故障诊断方法研究.机电工程,38(09),1107-1116.
MLA	盛肖炜,et al."基于参数优化VMD和改进DBN的滚动轴承故障诊断方法研究".机电工程 38.09(2021):1107-1116.