优化变分模态分解与集成机器学习的风力机滚动轴承故障分类研究

作     者：白亮 张银 梁武科 骆嘉旺 BAI Liang;ZHANG Yin;LIANG Wuke;LUO Jiawang

作者机构：西安理工大学水利水电学院西安710048 特变电工股份有限公司新疆变压器厂新疆昌吉830011 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2023年第39卷第3期

页      码：101-108页

摘      要：针对滚动轴承振动信号特征提取及故障分类困难这一问题,提出了一种基于鲸鱼算法(WOA)的滚动轴承特征信号提取与极限梯度提升的机器学习方法。以模态信号包络熵最小为适应度函数,对变分模态分解(VMD)层数和惩罚因子进行寻优处理。根据所得最佳分解参数对原始信号模态分解,得到各模态分量并根据能量波动法进行特征信号的筛选,最后根据模态分量建立极限梯度提升学习模型。对四类信号进行学习训练和故障分类。结果表明:WOA-VMD与XGBoost结合可以有效降低信号噪声,得到轴承的故障特征,并能够有效的识别出故障类型。

主 题 词：变分模态分解 鲸鱼算法 轴承故障分类 极限梯度提升 

学科分类：080703[080703] 080704[080704] 08[工学] 0807[工学-电子信息类] 

D　O　I：10.13952/j.cnki.jofmdr.2023.0127

馆 藏 号：203123062...