基于优化VMD⁃CNN⁃BiLSTM的电机轴承智能故障诊断研究

打开文本图片集

摘  要： 针对滚动轴承早期故障信号较弱及特征数据提取效果差，导致故障诊断准确率低以及故障诊断效率低的问题，提出一种信号处理结合深度神经网络的故障诊断方法。首先，采用变分模态分解（VMD）法提取主轴承振动数据中的特征数据；然后为了确定VMD算法中最佳的模态分量个数K及惩罚参数α，增强特征提取的效果，将最小排列熵作为适应度函数，采用全局优化能力强的正弦混沌自适应鲸鱼优化算法（CAWOA）进行参数的确定，得到最优模态分量；接着，根据最优模态分量构造特征向量，将特征向量作为CNN⁃BiLSTM网络的输入，实现故障的分类。（剩余10390字）