基于OHF Elman-AdaBoost算法的滚动轴承故障多时期诊断方法

作     者：卓鹏程 夏唐斌 郑美妹 郑宇 奚立峰 ZHUO Pengcheng;XIA Tangbin;ZHENG Meimei;ZHENG Yu;XI Lifeng

作者机构：上海交通大学机械与动力工程学院上海200240 上海交通大学机械系统与振动国家重点实验室上海200240 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2021年第40卷第6期

页      面：71-78页

核心收录：

学科分类：1002[医学-临床医学] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0702[理学-物理学] 0801[工学-力学（可授工学、理学学位）] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(51875359,51535007) 机械系统与振动国家重点实验室重点课题(MSVZD201909) 

主　　题：滚动轴承 OHF Elman-AdaBoost 神经网络 集合经验模态分解(EEMD) 故障多时期诊断 

摘      要：针对随机噪声下滚动轴承多时期(初期、中期、晚期)故障诊断需求,提出OHF Elman-AdaBoost(output hidden feedback Elman-adaptive boosting)算法,以实现滚动轴承的精确故障诊断。采用集合经验模态分解(ensemble empirical mode decomposition,EEMD)对原始信号进行分解、降噪、信号重构。设计OHF Elman方法在Elman神经网络的基础上增加输出层对隐含层的反馈,提高了其对动态数据的记忆功能。选择OHF Elman神经网络作为弱回归器,结合AdaBoost算法集成出一种新的强回归器:OHF Elman-AdaBoost算法。实验结果表明,该算法不仅对滚动轴承不同故障时期具有很好的诊断效果,而且提高了对全样本数据的诊断准确度,为滚动轴承故障诊断提供了新型工具和有效方案。