基于优化VMD和MHA-DenseNet的滚动轴承故障诊断 |
| |
引用本文: | 安冬,梁彬彬,叶井启,须颖,邵萌,刘振鹏.基于优化VMD和MHA-DenseNet的滚动轴承故障诊断[J].组合机床与自动化加工技术,2022(6):114-118. |
| |
作者姓名: | 安冬 梁彬彬 叶井启 须颖 邵萌 刘振鹏 |
| |
作者单位: | 1.沈阳建筑大学机械工程学院110168;2.辽宁江扬科技有限公司110000; |
| |
基金项目: | 国家自然科学基金(51975130);辽宁省重点研发计划项目(2017225016)。 |
| |
摘 要: | 针对传统特征提取的故障诊断技术不能充分表征振动信号故障特征导致故障识别精度不高的问题,提出一种优化VMD和MHA-DenseNet的滚动轴承故障诊断方法。首先,采用麻雀搜索算法(SSA)对变分模态分解算法(VMD)的相关参数组合进行寻优;其次,采用优化VMD分解滚动轴承故障信号,获得的本征模态函数分量(IMF)作为神经网络输入数据;最后,构建多头注意密集神经网络(MHA-DenseNet)故障诊断模型来有效学习故障数据中的特征信息并完成滚动轴承的准确诊断。实验结果表明,提出的故障诊断方法识别率高达99.03%,相较于对比实验该方法提高了故障诊断的准确率。
|
关 键 词: | 滚动轴承 变分模态分解 麻雀搜索算法 多头注意密集神经网络 故障诊断 |
本文献已被 维普 等数据库收录! |
|