滚动轴承优选WPE与ANVTPSO-BPNN故障诊断

• Published in: 振动、测试与诊断 Vol. 43; no. 3; pp. 593 - 602
• Main Authors: 樊红卫, 严杨, 张旭辉, 张超, 曹现刚, 薛策译, 毛清华, 李杰
• Format: Journal Article
• Language: Chinese
• Published: 西安科技大学陕西省矿山机电装备智能检测与控制重点实验室 西安,710054%西安科技大学机械工程学院 西安,710054 01.06.2023; 西安科技大学机械工程学院 西安,710054
• Subjects: 小波包分解; 滚动轴承; 小波消噪; 粒子群优化; 神经网络; 故障诊断
• ISSN: 1004-6801
• DOI: 10.16450/j.cnki.issn.1004-6801.2023.03.024

TH113.1%TH17; 为了提高滚动轴承故障诊断的效率和准确率,提出一种基于优选小波包能量(wavelet packet energy,简称WPE)联合自适应无速度项粒子群优化前馈神经网络(adaptive no velocity term particle swarm optimization-back propagation neural network,简称ANVTPSO-BPNN)的滚动轴承故障诊断方法.首先,采用小波分析对轴承振动信号进行消噪,并通过小波包分解提取能量特征,对基函数和分解层数进行优选;其次,采用自适应方式调节PSO算法的惯性权重和学习因子,并对标准PSO算法舍弃速度项以避免粒子初始速度对算法收敛速度和求解精度的影响;最后,针对某滚动轴承的实测数据,完成了5种不同策略的BPNN算法验证.结果表明:提出的方法迭代步数只有273步,诊断精度达到99％,较消噪前后的BPNN及消噪后的2种PSO-BPNN,具有更高的诊断效率和准确率.