基于IESOA-BP的滚动轴承故障诊断

来源：电子测量技术杂志2024年第14期北京时间：

作者：张炎亮，回彦静，王研迪

单位：郑州大学管理学院 郑州 450001

摘要：在机械设备故障诊断中，输入特征向量的差异会影响诊断精度，为了提高智能制造模式下滚动轴承故障诊断的准确性和可靠性，提出一种基于变分模态分解（VMD）和时频域熵的故障特征提取结合改进的白鹭群算法（IESOA）优化BP神经网络的故障诊断方法。首先，借助变分模态分解，成功解决模式混叠的问题；其次，提取各模态分量的时域香农熵和频域频谱熵构造故障特征向量，作为故障诊断模型的输入；再次，引入霍尔顿序列初始化白鹭种群，增强白鹭群优化算法的全局寻优能力，构建改进的白鹭群算法以优化BP神经网络（IESOA-BP），最后用美国凯斯西储大学轴承数据集进行仿真；研究结果表明，VMD加时频域熵表征故障特征信息更丰富；相较于传统BP、PSO-BP、SSA-BP、ESOA-BP、SCESOA-BP等方法，IESOA-BP方法在滚动轴承故障诊断方面表现出更高的分类准确率和更好的稳定性。

关键词：故障诊断;白鹭群优化算法;变分模态分解;霍尔顿序列;滚动轴承

基金资助：河南省高等学校重点科研项目计划（23A630006）资助