《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于改进联合分布适应的轴承智能故障诊断方法

作者:潘晓博,葛鲲鹏,钱孟浩,等. 日期:2023-10-30/span> 浏览:214 查看PDF文档

基于改进联合分布适应的轴承智能故障诊断方法*
潘晓博1,葛鲲鹏2,钱孟浩3,赵衍3,董飞3

(1.徐州工程学院 大数据学院,江苏 徐州 221008;2.扬州市职业大学 电子工程学院,江苏 扬州 225127;
3.安徽大学 互联网学院,安徽 合肥 230039)


摘要:在轴承故障诊断过程中,存在缺乏足量故障样本、变工况下信号分布差异等问题。虽然基于机器学习和深度学习方法的智能故障诊断方法的运用取得了许多成果,但该方法在应用过程中仍面临一些挑战,阻碍了智能故障诊断方法在实际工业场景下的应用。为此,提出了一种基于改进联合分布适应的轴承智能故障诊断方法(BIFDIJDA)。首先,利用小波包变换对振动信号进行了分解与重构,再计算了重构信号的统计参数,构成了原始特征集;然后,设计了基于特征重要度与KL散度的迁移特征选取方法,对各统计参数特征进行了量化评估;采用了改进联合分布适应方法,对源域和目标域特征集进行了分布适应处理,降低了域间分布差异;最后,利用源域特征样本训练的故障诊断模型预测了目标域样本故障类别,采用美国凯斯西储大学实验台和机械故障模拟(MFS)实验台的轴承故障数据,开展了不同工况下的故障诊断实验。实验结果表明:该故障诊断方法在2种轴承故障数据下取得的最大故障诊断准确率分别为100%和96.29%,明显优于其他对比模型。研究结果表明:该故障诊断方法具有应用于实际工业场景的潜力。

关键词:轴承智能故障诊断变工况;故障样本数量不足;改进联合分布适应;迁移特征;邻域保持嵌入;迁移成分分析

中图分类号:TH133.3文献标识码:A文章编号:1001-4551(2023)09-1354-09

本文引用格式:

潘晓博,葛鲲鹏,钱孟浩,等.基于改进联合分布适应的轴承智能故障诊断方法[J].机电工程,2023,40(9):1354-1362.

PAN Xiaobo, GE Kunpeng, QIAN Menghao, et al. Bearing intelligent fault diagnosis based on improved joint distribution adaptation[J].Journal of Mechanical & Electrical Engineering, 2023,40(9):1354-1362.





友情链接

浙江机械信息网