基于改进ALIF与FA?BP的滚动轴承故障诊断

摘要：

针对滚动轴承的故障信号存在大量噪声信号和滚动轴承故障的准确诊断等问题,提出一种基于改进自适应迭代滤波算法与萤火虫算法优化BP神经网络相结合的故障诊断新方法.首先采用自适应迭代滤波算法对故障信号进行分解得到若干个内禀模态函数,再进行奇异值分解,绘制差分谱曲线并选择重构信号,对其进行二次降噪;然后通过萤火虫算法寻找BP神经网络的最佳参数,建立FA?BP故障诊断模型,提取降噪后的内禀模态函数中心频率形成特征矩阵,输入故障诊断模型;最后应用于美国凯斯西储大学的轴承数据进行检测,准确率达99.4％,诊断时间为3.18 s.该方法与BP神经网络、萤火虫算法网络、遗传算法网络、遗传算法优化BP神经网络的诊断模型相比,大大提高了诊断效率并具有较高准确率.

关键词：滚动轴承、故障诊断、自适应迭代滤波算法、奇异值分解算法、萤火虫算法、BP神经网络、内禀模态函数、奇异值差分谱

所属期刊栏目：46

分类号：TN911.1⁃34;TP18

资助基金：青岛科技大学科研启动基金资助项目010022586

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：109-113