优化变分模态分解与深度学习融合的滚动轴承故障诊断策略

来源：动力工程学报杂志2023年第6期北京时间：

作者：孙康, 金江涛, 李春, 许子非,

摘要：针对滚动轴承早期振动信号具有强非线性特征,导致难以判断其故障类型,提出了以相关峭度和Lyapunov指数为综合目标函数的优化变分模态分解(OVMD)参数优化方法,对综合目标函数最小值进行搜索,以确定模态分解数及惩罚因子的最佳组合,实现降噪与特征提取,重构故障信号,并采用相空间重构法还原系统动力学非线性结构,通过卷积神经网络(CNN)提取纯净信号。结果表明:OVMD可有效降噪并剔除无关分量,重构信号经CNN学习后,吸引子轨迹收缩,信号非线性降低,故障呈可分状;该OVMD-CNN诊断模型具有良好的鲁棒性与泛化性,可实现轴承故障的智能诊断。

关键词：变分模态分解,相关峭度,Lyapunov指数,相空间重构,卷积神经网络,故障诊断,