基于蜣螂算法优化深度极限学习机的中介轴承故障诊断方法

来源：振动与冲击杂志2024年第21期北京时间：

作者：栾孝驰，汤捷中，沙云东

单位：沈阳航空航天大学航空发动机学院，沈阳110136

摘要：针对中介轴承故障信号传递路径复杂、受背景噪声干扰大、故障特征提取难，且传统诊断模型准确率受限于测点位置的问题，提出了一种基于自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与蜣螂算法(dung beetle optimizer, DBO)优化深度极限学习机(deep extreme learning machine,DELM)结合的中介轴承故障诊断方法。首先，使用CEEMDAN和由能量比-相关系数-峭度值组成的固有模态分量筛选准则对原始信号进行分解、筛选、重构，在重构信号的时域与频域中提取特征组成特征矩阵；其次，将诊断准确率作为DBO的适应度值，对DELM模型的初始权重进行优化构建出全新的DELM；最后，将特征矩阵输入DELM完成故障诊断。以中介轴承故障数据为例，经DBO优化后的DELM诊断准确率取得了较大提升，在诊断较为困难的45°方向上诊断准确率仍达到了98.75%。结果表明：该诊断方法有效识别了中介轴承故障类型，展现了较强的鲁棒性与泛化能力。<br>

关键词：中介轴承；故障诊断；模态分解；蜣螂算法；深度极限学习机