基于Renyi熵和ISSA-SVM的轴承故障诊断分析  

Bearing Fault Diagnosis Analysis Based on Renyi Entropy and Improved Sparrow Search Algorithm

作　　者：吴会咏[1] 李洪坤 周子潍 杨童童 

机构地区：[1]沈阳化工大学理学院,辽宁沈阳110142

出　　处：《工业控制计算机》2024年第11期53-55,58,共4页Industrial Control Computer

基　　金：国家自然科学基金项目(62073157);辽宁省教育厅基本科研面上项目(LJKMZ20220794);辽宁省教育厅普通高等教育本科教学改革研究项目(2022);沈阳化工大学本科教育教学培育工程项目(2021);基于数据驱动+模型驱动的供应链上企业金融风险度量方法研究(2024)。

摘　　要：在工业系统中,旋转机械的信号通常是非平稳的、非线性的,并且带有噪声干扰。为了提高异常检测分析的准确性,克服优化方法的局限性,提出了一种基于Renyi熵的滚动轴承故障诊断方法和一种基于飞行策略的改进麻雀搜索算法(ISSA)来优化支持向量机(SVM)。首先,小波包分析对原始信号进行分解,从分解后的频带中选取最佳频带进行重构,然后利用重构后的频带计算Renyi熵,形成特征向量,输入到具有动态逆向学习因子的麻雀搜索算法进行故障诊断。该方法提高了种群的多样性。通过采用飞行策略初始化种群,调整步长因子,避免了麻雀搜索算法陷入局部最优的问题。与灰狼优化算法和粒子群优化算法相比,麻雀搜索算法在故障诊断方面具有最高的准确性。三种算法准确率分别为88.89%、93.94%和96.97%。采用Lévy飞行策略对三种算法进行优化,ISSA-SVM的准确率最高达到99%,IPSO-SVM的准确率达到98%,IGWO-SVM的准确率达到95%。实验数据表明,利用Lévy飞行算法优化的麻雀搜索算法具有最高的故障诊断精度。因此,将Renyi熵与ISSA-SVM相结合提出的非线性故障诊断方法可行。In industrial systems,the signal of rotating machinery is usually non-stationary,nonlinear,and with noisy interference.To improve the accuracy of anomaly detection analysis and overcome the limitations of optimization methods,this paper proposes a rolling bearing fault diagnosis method using Renyi enertropy and an Improved Sparrow Search Algorithm(ISSA)with flight strategy for optimizing support vector machines(SVM).Firstly,wavelet packet analysis decomposes the original signal,and the optimal frequency band is selected from the decomposed bands for reconstruction.The reconstructed frequency band is then used to calculate the Renyi entropy and form the feature vector,input into the sparrow search algorithm with dynamically reverse learning factors for fault diagnosis.This method improves the diversity of the population.It avoids getting stuck in the local optima of the sparrow search algorithm by initializing the population with a flight strategy and adjusting the step size factor.Compared with the grey wolf optimization algorithm and Particle swarm optimization algorithm,the Sparrow search algorithm has the highest accuracy in fault diagnosis.

关 键 词：故障诊断 支持向量机 小波包分解 RENYI熵 滚动轴承 

分 类 号：TH133.33[机械工程—机械制造及自动化] TP18[自动化与计算机技术—控制理论与控制工程]