.基于两阶段模糊认知图的滚动轴承故障诊断方法

作者：曾祥菹,甘群丰,甘俊通. 日期：2023-07-18/span> 浏览：384 查看PDF文档

摘要:针对传统模糊认知图(FCMs)时间序列分类算法存在的对噪声敏感性不足和决策过程不透明等问题,提出了一种两阶段模糊认知图的方法(TFCMs),对滚动轴承故障进行了诊断。首先,利用模糊Cmean算法,将二维空间中存在的时间序列映射到C维空间;然后,利用凸优化算法(CVX)快速、有效地从噪声数据中学习到FCMs模型;最后,利用粒子群算法(PSO)构建一个FCMs分类器对权重矩阵进行了有效的分类,并利用美国西储大学轴承数据集(CWRU)和时间序列分类基准数据对所提出的方法进行了验证。研究结果表明:凸优化算法对噪声数据特征的提取能力明显优于粒子群算法,在2个公开分类基准数据上的精度提高了4%;在2个轴承故障数据集中平均精度达到了99.5%以上;在对比实验中,TFCMs方法在数据集A和数据集B的精度分别提高了3.67%和2.36%,TFCMs方法优于现有的方法,更重要的是该方法的建模过程是透明且可解释的。

关键词:轴承故障诊断;两阶段模糊认知图;时间序列分类;两阶段模型;粒子群算法;凸优化算法

中图分类号:TH133.3文献标识码:A文章编号:1001-4551(2023)05-0731-08


本文引用格式:

曾祥菹,甘群丰,甘俊通.基于两阶段模糊认知图的滚动轴承故障诊断方法［J］.机电工程,2023,40(5):731-738.

ZENG Xiang-zu, GAN Qun-feng, GAN Jun-tong. Rolling bearing fault diagnosis method based on two-stage fuzzy cognitive map［J］.Journal of Mechanical & Electrical Engineering, 2023,40(5):731-738.