面向滚动轴承全生命周期故障诊断的GA-OIHF Elman神经网络算法

作者：卓鹏程; 严瑾; 郑美妹; 夏唐斌^*; 奚立峰

来源：上海交通大学学报, 2021, 55(10): 1255-1262.

DOI：10.16183/j.cnki.jsjtu.2020.157

• 滚动轴承
• 遗传算法
• Elman神经网络
• 集合经验模态分解
• 全生命周期

针对高背景噪声下滚动轴承全生命周期(轻度退化、中度退化、重度退化)故障诊断需求,提出GA-OIHF (Genetic Algorithm-Output Input Hidden Feedback) Elman神经网络模型,实现退化故障的精准诊断.利用集合经验模态分解对振动信号进行有效降噪与故障特征提取.设计OIHF Elman神经网络,并在Elman神经网络结构的基础上,同时增加输出层对隐含层与输入层的反馈,进一步提高其对滚动轴承全生命周期数据的处理能力.然后,通过结合遗传算法构建一种新的GA-OIHF Elman神经网络模型,该模型综合了遗传算法的全局寻优与OIHF Elman神经网络的局部寻优能力,从而实现对滚动轴承全生命周期的精确故障诊断.实验结果表明,所提出的GA-OIHF Elman方法不仅对于滚动轴承全生命周期故障具有准确的诊断效果,而且保证了诊断模型对于不同故障(不同故障部件与不同故障时期)的诊断稳定性.

• 单位
  机械系统与振动国家重点实验室; 上海交通大学