基于VMD-DSSC的轴承故障诊断

作     者：胡永涛 董明如 李婕 李进军 HU Yongtao;DONG Mingru;LI Jie;LI Jinjun

作者机构：河南工学院电气工程与自动化学院河南新乡453003 新乡市旋转机械运行状态智能监测工程技术研究中心河南新乡453003 河南工学院电子信息工程学院河南新乡453003 

出 版 物：《河南工学院学报》 (Journal of Henan Institute of Technology)

年 卷 期：2024年第32卷第3期

页      面：6-12页

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

基　　金：国家自然科学基金面上项目(62273299) 河南省科技攻关计划项目(222102210087,242102320248,242102240040) 

主　　题：轴承故障诊断 大数据 深度学习 小样本分类 激活函数 

摘      要：针对大数据背景下轴承故障诊断中有标签样本少的问题,设计了深度半监督小样本分类器并用于轴承故障诊断。首先,采用受限玻尔兹曼机构建深度学习分类器,利用无标签样本完成参数预训练,结合有标签样本调优参数,获得准确的分类模型。然后,改进激活函数,解决梯度消失问题,提高收敛速度,增强分类性能。最后,利用变分模态分解将信号分解为一系列本征模态函数,并提取样本熵作为故障特征输入至分类器实现故障模式识别。轴承故障诊断实验及风电机组高速轴承故障诊断结果表明,深度半监督小样本分类器能够充分利用无标签样本及有标签样本实现轴承故障模式识别,并具有故障诊断准确率高、稳定性好、耗时少、实时性好等优点,为轴承故障诊断提供了一种新方法,亦可用于数据清洗,为智能故障诊断提供有效样本。