一种旋转机械综合故障检测和模式识别模型

作者：曹丽芳,袁征,尹久,等 日期：2024-08-30/span> 浏览：18 查看PDF文档

摘要:针对传统故障诊断方法只关注故障检测部分,而对样本是否存在故障的研究较少的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)注意熵(AE)和黏菌算法优化极限学习机(SMAELM)的旋转机械综合故障诊断模型。首先,针对正常样本和故障样本的复杂性差异,建立了注意熵阈值,计算旋转机械的AE,并将其与阈值进行了比较,若熵值小于该阈值则表明样本存在故障,反之样本是健康的;然后,利用CEEMDAN对故障样本的振动信号进行了分解,提取前6阶分量的AE值;最后,将故障特征输入至SMAELM模型中进行了故障识别,利用3种旋转机械故障数据集对该综合故障诊断模型的可靠性进行了研究。研究结果表明:该阈值设置方法可以100%准确地检测样本是否存在故障,后续的故障诊断模型能够准确地检测出样本的故障类型,识别准确率分别达到了99.44%、100%和98%。该综合故障诊断模型能够避免正常样本被误判为故障样本,为旋转机械的故障检测提供了一种可行的思路。

关键词:旋转机械;滚动轴承综合故障诊断;故障阈值;注意熵;自适应噪声完备经验模态分解;黏菌算法优化极限学习机

中图分类号:TH133.3文献标识码:A文章编号:1001-4551(2024)08-1386-12


本文引用格式:

曹丽芳,袁征,尹久,等.一种旋转机械综合故障检测和模式识别模型［J］.机电工程,2024,41(8):1386-1397.

CAO Lifang, YUAN Zheng, YIN Jiu, et al. A comprehensive fault detection and pattern recognition model for rotating machinery［J］.Journal of Mechanical & Electrical Engineering, 2024,41(8):1386-1397.