基于数字孪生与PNN的滚动轴承故障诊断  

Rolling Bearing Fault Diagnosis Based on Digital Twin and PNN

作　　者：仲文君 易辉 董露 柴宇恒 ZHONG Wen-jun;YI Hui;DONG Lu;CHAI YU-heng

机构地区：[1]南京工业大学电气工程与控制科学学院,江苏南京211816

出　　处：《制造业自动化》2024年第10期26-32,共7页Manufacturing Automation

基　　金：国家重点研发计划(2020YFB1713804)。

摘　　要：针对采煤机滚动轴承故障诊断精度低、速度慢、无法实时监测其运行情况等问题,提出一种基于数字孪生和概率神经网络(Probabilistic Neural Network,PNN)的采煤机滚动轴承故障诊断方法。根据滚动轴承结构、运行的特点,建立基于数字孪生的故障诊断模型;采用改进的萤火虫优化算法(Firefly Algorithm,FA)求取最优的平滑因子并赋给PNN,得到最优的故障诊断模型,并将优化后的故障诊断模型封装到数字孪生体的行为模型中,进而构建高精度轴承数字孪生体进行实时故障诊断分析。实验结果表明,与优化前以及其他网络相比,所提方法的收敛速度更快且故障诊断精度更高,验证了所提方法的有效性与优越性。

关 键 词：采煤机滚动轴承 数字孪生 概率神经网络 故障诊断 萤火虫优化算法 

分 类 号：TH133.3[机械工程—机械制造及自动化] TP183[自动化与计算机技术—控制理论与控制工程]