基于BAS优化堆栈稀疏自编码器的轴承故障诊断

针对复杂工况下轴承载荷的时变非平稳性，文章提出一种基于天牛须搜索(beetle antennae search, BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法，以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先，通过对轴承振动信号进行时域、频域特征提取和变分模态分解，得到其固有模态函数，提取其时域、频域和固有模态函数的44个特征构建数据集，作为机器学习诊断网络的输入；其次，通过稀疏自编码器二次特征提取获得更加典型的特征，同时引入BAS算法对堆栈稀疏自编码器的稀疏惩罚因子进行自适应选取以获得最优分类模型；最后，通过Softmax分类层实现对滚动轴承的故障诊断分类。试验结果表明，该方法不仅在平稳载荷下具有很好的轴承故障分类能力，而且在时变非平稳性载荷以及不同测试数据量下仍然具有较好的故障分类效果。