机床与液压

作者：刘迪洋，张清华，朱冠华

单位：吉林化工学院信息与控制工程学院;广东石油化工学院自动化学院；广东石油化工学院自动化学院；广东石油化工学院自动化学院

关键词：故障诊断;变分模态分解;蜣螂算法;卷积神经网络;连续小波变换

基金：国家自然科学基金重点项目（61933013）；广东省普通高校重点领域专项(高端装备制造)项目（2023ZDZX3015）

轴承振动信号的采集过程中难免会受到噪声的影响，使得轴承部分故障特征难以提取。针对此问题，提出一种基于蜣螂算法(DBO)优化变分模态分解(VMD)并与VGG神经网络相结合的轴承故障诊断方法。使用DBO对VMD进行参数寻优，经过优化后的VMD将原始振动信号分解为多个本征模态函数(IMF)，通过皮尔逊相关系数选择合适的IMF对信号进行重构；对重构的信号进行连续小波变换(CWT)生成时频图；最后，通过VGG网络进行训练以完成对轴承的故障诊断分类识别。结果表明：与其他诊断方法相比，所提方法降噪效果明显，同时对轴承的故障识别准确率达到了100%。

来源：2024年第18期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第18期