机床与液压

作者：李春林，陈滢，胡钦太，柳琼青，熊建斌，张清华

单位：广东工业大学计算机学院；广东茂名农林科技职业学院智能工程系；广东工业大学计算机学院；揭阳职业技术学院外语系；广州市智慧建筑设备信息集成与控制重点实验室；广东石油化工学院

关键词：完全自适应噪声集合经验模态分解(CEEMDAN);特征提取;互量纲一化指标;宽度学习系统（BLS）;故障诊断

基金：国家自然科学基金重点项目（62237001）；国家自然科学基金面上项目（62073090）；广东省联合基金重点项目（U22A20221）;广东省自然科学基金面上项目(2023A1515011423)；广东茂名农林科技职业学院科研重点项目（2022GMNKY01）

滚动轴承作为旋转机械的重要组成部分，在恶劣环境运行导致振动信号具有非线性和非平稳的特点，使得区分故障信号和正常信号变得困难。针对此，提出一种结合多模态互量纲一化（MMDI）与宽度学习系统（BLS）的智能故障诊断方法。通过优化完全自适应噪声集合经验模态（OCEEMDAN）与小波阈值对轴承观测信号进行分解处理，对有效的本征模态函数（IMF）重构并提取MDI，构建了一批MMDI；采用反向传播算法（BP）与堆叠模块方式优化BLS，改进的BLS算法能够快速识别不同的故障类型；最后通过凯斯西储大学轴承数据中心与某实验室提供的轴承数据集对所提方法进行验证，平均准确率分别为99.8%与100%，验证了方法的有效性。

来源：2024年第8期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第8期