-
题名基于改进DenseNet模型的滚动轴承故障诊断
被引量：1
- 1
-
-
作者
雷伟
廖光忠
裴浪
-
机构
武汉科技大学计算机科学与技术学院
武汉科技大学智能信息处理与实时工业系统湖北省重点实验室
武汉晴川学院计算机科学与技术学院
-
出处
《计算机技术与发展》
2024年第3期207-213,共7页
-
基金
国家自然科学基金项目(U1836118)。
-
文摘
滚动轴承是机械设备的关键部件,为了检测滚动轴承设备的正常运转并且提高识别轴承故障的准确率,提出一种优化变分模态分解(VMD)结合改进密集神经网络(DenseNet)的故障诊断模型方法。首先,使用多种群差分进化(MPDE)算法以局部极小包络熵为优化搜索的目标函数,对VMD方法中的相关参数进行优化搜索以获取最佳参数组合;然后,使用最佳参数组合优化的VMD方法分解处理原始滚动轴承的故障信号,并得到若干本征模态分量信号(IMFs);最后,通过引入通道注意力模块(MECANet)的改进密集神经网络模型对分解得到的IMF分量信号进行深层故障特征提取与识别,最终完成滚动轴承的故障诊断。实验结果表明:提出的优化VMD结合改进DenseNet模型对滚动轴承故障识别的准确率达到了99.23%,并且对比一些其他常见故障诊断模型的准确率有明显的提升,而且与先进的故障诊断模型对比其准确率存在较小差距,验证了此模型在滚动轴承故障诊断方面的有效性。
-
关键词
滚动轴承
变分模态分解
多种群差分进化
密集神经网络
MECANet
故障诊断
-
Keywords
rolling bearing
variational mode decomposition
multi-population differential evolution
dense neural network
MECANet
fault diagnosis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
