鲸鱼算法优化VMD-CNN在滚动轴承故障诊断中的应用  

作　　者：李萌[1] 张强[1] 

机构地区：[1]长春大学机械与车辆工程,吉林长春130022

出　　处：《装备制造技术》2024年第1期4-6,共3页Equipment Manufacturing Technology

基　　金：吉林省科技厅项目(20230101208JC)。

摘　　要：针对滚动轴承工作环境恶劣且采集到的振动信号具有非线性、非平稳性等特征,为了自适应提取故障特征以及提高轴承故障智能诊断准确率,提出基于鲸鱼算法(Whale Optimization Algorithm,WOA)优化变分模态分解(Variational Mode Decomposition,VMD)与卷积神经网络(Convolution Neural Network,CNN)相结合的故障诊断方法。首先,使用鲸鱼优化算法对VMD超参数进行寻优,找到VMD最优的分解层数与惩罚因子,并利用优化后的VMD对轴承原始信号进行分解。其次,用连续小波变换将分解得到的一维本征模态信号转化为相应的二维时频图。最后,将二维时频图作为二维卷积神经网络的输入,并对其输入的时频图进行深层特征提取与模式识别。实验表明,所提出的方法能高效提取故障特征,准确率高达99.78%。

关 键 词：鲸鱼算法 变分模态分解 连续小波变换 卷积神经网络 

分 类 号：TH133.3[机械工程—机械制造及自动化]