基于WTD-AR谱和MEA-BPNN的轴承故障诊断方法

来源：机床与液压杂志2023年第11期北京时间：

作者：金志浩，汪红，陈广东，韩林洋

单位：沈阳化工大学机械与动力工程学院；沈阳化工大学机械与动力工程学院；沈阳化工大学机械与动力工程学院；沈阳化工大学机械与动力工程学院

摘要：针对滚动轴承故障诊断模型在噪声干扰下鲁棒性能差的问题，提出一种基于小波阈值去噪（WTD）、AR谱和思维进化算法（MEA）优化反向传播神经网络（BPNN）的轴承故障诊断方法。以原始振动信号为输入，采用小波方法分解重构原始信号滤除高频噪声，然后采用Burg算法估计AR模型参数提取降噪信号功率谱特征，最后将特征向量与对应标签分别作为MEA-BPNN神经网络的输入、输出进行训练，最终实现诊断。将该方法与一些先进的人工神经网络诊断方法作比较，测试该诊断模型的性能。研究结果表明：WTD-AR谱-MEA-BPNN诊断模型能够有效降低轴承振动信号的噪声干扰，实现特征增强，分辨率更高；相较于传统神经网络训练速度更快，在更短时间内甄别故障类型且识别率高。

关键词：小波阈值去噪;思维进化算法;Burg算法;特征提取;神经网络;故障诊断

基金资助：国家自然科学基金联合基金项目（U1708254）；国家自然科学基金青年基金项目（11702178）