基于MGWO-SCN的滚动轴承故障诊断方法

作者：冯铃,张楚,刘伟渭. 日期：2022-12-20/span> 浏览：1224 查看PDF文档

摘要:为了提高滚动轴承故障诊断模型的鲁棒性和泛化能力,提出了一种基于改进灰狼算法优化随机配置网络(MGWOSCN)的滚动轴承故障诊断模型。首先,在随机配置网络(SCN)中引入L2范数惩罚项,提高了SCN在实际应用中的泛化能力;然后,在灰狼算法(GWO)中融入差分进化机制,构建了改进灰狼算法(MGWO),并用其对SCN的惩罚项系数C进行了优化;最后,通过分析美国凯斯西储大学(CWRU)轴承振动信号数据集的频域特征信息,构造了基于频域特征参量的振动数据集;并分别用BP神经网络(BPNN)、极限学习机(ELM)和支持向量机(SVM)诊断模型,以及MGWO和粒子群优化算法(PSO)对所提模型进行了对比仿真测试。研究结果表明:在30次重复实验中,采用基于改进灰狼算法优化随机配置网络(MGWO-SCN)的方法,可以准确地识别出12种轴承运行状态,相比于BPNN、ELM和SVM轴承诊断方法,该方法的诊断平均准确率分别提高了7.27%、6.47%和8.67%;另外,MGWOSCN在优化故障诊断模型方面具有更强的全局搜索能力,相比于GWOSCN和PSOSCN,该模型预测结果的偏差值更小,测试集准确率更高。

关键词:旋转机械;滚动轴承故障诊断模型;改进灰狼算法优化随机配置网络;鲁棒性;泛化能力

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2022)10-1382-08

本文引用格式:

冯铃,张楚,刘伟渭.基于MGWO-SCN的滚动轴承故障诊断方法［J］.机电工程,2022,39(10):1382-1389.

FENG Ling, ZHANG Chu, LIU Wei-wei. Rolling bearing fault diaqnosis method based on MGWO-SCN［J］.Journal of Mechanical & Electrical Engineering, 2022,39(10):1382-1389.