基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断

来源：计算机集成制造系统杂志2024年第4期北京时间：

作者：张彬桥, 舒勇, 江雨

单位：1.三峡大学电气与新能源学院2.梯级水电站运行与控制湖北省重点实验室3.中国长江电力股份有限公司三峡水力发电厂

摘要：针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数 (IMF) 分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。

关键词：变分模态分解,综合评价指标,复合缩放排列熵,混合算法,堆叠降噪自编码器

基金资助：国家自然科学基金面上资助项目(52077120)。