基于GSA-VMD和自适应CNN的滚动轴承故障诊断

作者：王亚辉; 刘德平^*; 王宇

来源：组合机床与自动化加工技术, 2022, (07): 85-89.

DOI：10.13462/j.cnki.mmtamt.2022.07.020

• 故障诊断
• 引力搜索算法
• 变分模态分解
• 粒子群算法
• 自适应卷积神经网络

针对轴承故障诊断中，变分模态分解(VMD)的参数选择与卷积神经网络架构难以确定的问题，研究一种GSA-VMD和自适应CNN的滚动轴承故障诊断方法。首先，采用引力搜索算法(GSA)优化VMD的参数，接着利用优化的VMD分解轴承的振动信号得到若干模态分量；然后，将模态分量与振动信号结合构建特征矩阵，作为自适应CNN的输入；最后，自适应CNN采用粒子群算法(PSO)解决CNN架构难以确定的问题，适应性地构建CNN故障诊断模型，判断轴承的故障类型。实验结果表明：与ANN、CNN-SVM、WDCNN、GA-CNN诊断方法对比，所提方法准确率更高、稳定性好、适应性强。

• 单位
  郑州大学