基于RBMO-XGboost的滚动轴承故障诊断研究  

作　　者：徐海涛 鲜青桂 陈东宁[2] 武兵羽 

机构地区：[1]特力佳(天津)风电设备零部件有限公司,天津300457 [2]燕山大学机械工程学院,河北秦皇岛066004

出　　处：《中国机械》2024年第31期108-113,共6页Machine China

基　　金：2019年度《一种新型动态故障树分析法及基于此的液压系统可靠性分析与分配优化》,项目编号:51975508的研究成果。

摘　　要：滚动轴承故障信号非线性强、数据量大且易受噪声干扰,降噪方法、特征选择与分类方法选用不当都会造成诊断准确率的降低。为此,本文提出一种RBMO-XGboost的滚动轴承故障诊断方法。首先,运用改进EMD对信号进行降噪,引入综合判别准则,得到IMF分量并进行重构。其次,利用排列熵进行故障特征提取。然后,选用XGBoost进行分类,提出基于红嘴蓝鹊优化器(Red-billed Blue Magpie Optimizer,RBMO)的XGBoost最优超参数组合方法。最后,运用上述方法对德国帕德博恩滚动轴承数据进行故障诊断,结果表明该方法具有较高的故障诊断精度。

关 键 词：故障诊断 滚动轴承 XGboost EMD 红嘴蓝鹊优化器 

分 类 号：TH133.33[机械工程—机械制造及自动化]