| 不同负载下滚动轴承的PSO-SSTCA算法研究 |
| |
| 引用本文： | 张泽宇,惠记庄,任余,石泽,段雨.不同负载下滚动轴承的PSO-SSTCA算法研究[J].机械科学与技术(西安),2023(11):1829-1836. |
| |
| 作者姓名： | 张泽宇 惠记庄 任余 石泽 段雨 |
| |
| 作者单位： | 1. 长安大学道路施工技术与装备教育部重点实验室;2. 西藏天路股份有限公司科研中心 |
| |
| 基金项目： | 国家自然科学基金面上项目（52278390）；;陕西省自然科学基金项目（2022JQ-515,2022JM-172）；;西藏自治区科技计划项目（XZ202101ZR0044G,XZ2019TL-G-02）； |
| |
| 摘 要： | 针对不同负载下滚动轴承故障诊断准确率不高和样本稀缺的问题，本文提出了一种基于粒子群优化的半监督迁移学习（PSO-SSTCA）算法。在迁移学习算法的基础上，引入希尔伯特-施密特独立性系数（HSIC）增强迁移学习过程中不同数据标签的依赖性，加入粒子群优化算法自适应寻找多核函数的最优系数，缩小数据集的类内间距，并利用K-近邻算法进行不同负载间滚动轴承的故障诊断。对4种不同负载工况下的滚动轴承振动信号进行分析，结果表明：在单-单、多-单负载工况下，PSO-SSTCA算法的平均准确率分别为85.92%与88%，与重构信号相比分别提高了10.75%与19.42%。该方法有效地为机械设备的状态监测与故障诊断提供了技术支撑。
|
| 关 键 词： | 滚动轴承 粒子群算法 迁移学习 特征提取 故障诊断 |
|
|
