《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于ISSAE和XGBoost的滚动轴承故障诊断研究

作者：向川,任泽俊,赵晶,等日期：2021-08-26/span> 浏览：1087 查看PDF文档

基于ISSAE和XGBoost的滚动轴承故障诊断研究*

向川1,任泽俊1,赵晶2,周佳慧1

(1.大连海事大学船舶电气工程学院,辽宁大连 116026;2.国网山东省电力公司电力科学研究院,山东济南 250000)

摘要:为了提高滚动轴承的故障诊断准确率,并增强诊断模型的抗噪性能,提出了一种基于改进堆栈稀疏自编码(ISSAE)网络和极端梯度提升(XGBoost)相结合的轴承故障诊断方法（ISSAE网络将多个稀疏自编码(SAE)网络堆叠,增强了自编码网络提取数据深层特征的能力,通过改进网络损失函数提高了网络抗噪性能）。首先,将轴承测量信号输入到使用Adam算法优化的ISSAE网络中;网络对输入信号进行重构并自行学习,提取出了测量信号的内在特征。然后,将特征值输入到XGBoost模型中,通过网格搜索法调节参数,对故障诊断分类器模型进行了训练。最后,将轴承故障测试集输入到训练好的ISSAE-XGBoost模型中,完成了对故障类型的自动识别;采用多个实验平台的不同轴承实验数据,验证了该算法的有效性和适用性。研究结果表明:相比于SSAE-XGBoost和ISSAE-SVM算法,该方法对轴承故障识别率高、适用性强,在大样本数量情况下,识别率达到99%以上,即使在样本数量较少时,也具有较高的识别准确率;该算法通过在网络中改进损失函数,可使模型抑制微小扰动的干扰,对含有噪声的测量信号,仍能保持较高的故障诊断准确率。

关键词:滚动轴承;故障诊断;改进堆栈稀疏自编码;极端梯度提升

中图分类号:TH133.3 文献标识码:A 文章编号:1001-4551(2021)06-0704-08

本文引用格式:
向川,任泽俊,赵晶,等.基于ISSAE和XGBoost的滚动轴承故障诊断研究[J].机电工程,2021 ,38(6):704 -711.
XIANG Chuan，REN Ze-jun , ZHAO Jing, et al. Fault diagnosis for rolling bearing based on improved SSAE and XGBoost[J]. Journal of Mechanical & Electical Engineering, 2021 ,38(6):704-711.
《机电工程》杂志:http:// www.meem. com.cn