基于改进VMD和CNN的滚动轴承故障诊断方法 |
| |
引用本文: | 蒋永华,徐翠,陈恒,郑林杰,施卓奇,唐超,孙建锋.基于改进VMD和CNN的滚动轴承故障诊断方法[J].浙江师范大学学报(自然科学版),2023(3):265-273. |
| |
作者姓名: | 蒋永华 徐翠 陈恒 郑林杰 施卓奇 唐超 孙建锋 |
| |
作者单位: | 1. 浙江师范大学浙江省城市轨道交通智能运维技术与装备重点实验室;2. 浙江师范大学行知学院 |
| |
摘 要: | 针对现场采集的滚动轴承信号易受噪声影响而使微弱故障特征难以提取的问题,基于灰狼优化算法(GWO)、变分模态分解(VMD)和卷积神经网络(CNN),提出了一种滚动轴承故障诊断的新方法.首先,利用GWO优化VMD实现其分解层数及二次惩罚因子2个重要参数的自适应选择;其次,提出有效加权相关稀疏度指标(EWCS),并以此筛选VMD分解的有效本征模态函数(IMF);最后,使用GWO优化CNN参数,并采用2层卷积模块的CNN进行识别分类.基于所提方法,对滚动轴承4种不同运行状态的样本进行了分类识别,并与其他几种诊断方法进行比较.结果表明,该方法用于滚动轴承故障诊断是可行的,且具有更高的分类准确率.
|
关 键 词: | 灰狼优化算法(GWO) 变分模态分解(VMD) 卷积神经网络(CNN) 故障诊断 |
|
|