基于白鲸优化VMD算法和CNN-BiLSTM的滚动轴承故障诊断研究  

作　　者：黄伟 曾德良[1] HUANG Wei;ZENG Deliang

机构地区：[1]华北电力大学控制与计算机工程学院,北京102206

出　　处：《信息技术与信息化》2025年第1期106-110,共5页Information Technology and Informatization

摘　　要：传统的滚动轴承故障诊断方法在从振动信号中提取特征信息时存在一定局限性,从而影响故障诊断的准确性。文章通过结合白鲸算法优化的变分模态分解(VMD)、卷积神经网络(CNN)和双向长短期记忆(BiLSTM)方法研究了一种新的滚动轴承故障诊断技术。经过多组对比实验,研究结果表明该方法在滚动轴承故障诊断方面表现出良好的效果,与支持向量机(SVM)和核极限学习机(KELM)相比,VMD-CNN-BiLSTM提升了40.33%的识别准确度,达到99.67%。结果表明:该算法在滚动轴承故障诊断中具有显著优势,为滚动轴承故障诊断提供了一种新的借鉴方法。

关 键 词：滚动轴承 变分模态分解 振动信号 信号识别 故障诊断 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]