《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：陈晓
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

基于参数优化VMD和改进DBN的滚动轴承故障诊断方法研究

作者：盛肖炜,于林鑫,毕鹏飞,等. 日期：2021-11-23/span> 浏览：1765 查看PDF文档

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

(1.无锡开放大学机电工程系,江苏无锡 214000;2.东北大学信息科学与工程学院,辽宁沈阳 100180;

3.哈尔滨工程大学自动化学院,黑龙江哈尔滨 150001;4.内蒙古北方重工业集团有限公司,

内蒙古包头 014000;5.浙江联宜电机有限公司,浙江义乌 322100)

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

中图分类号:TH133.33;TH17文献标识码:A文章编号:1001-4551(2021)09-1107-10

本文引用格式:

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(9):1107-1116.