IDBO-VMDとCNN-BiLSTMに基づくローリングベアリングの複数の故障診断と損傷評価

科学分野:

• 機械工学
• 人工知能
• シグナル処理

背景:

• 高精度な機械機器の需要が増えるため,頑丈なベアリングの健康状態の監視が必要になります.
• 機械の信頼性の高い動作は,ベアリングの状態の正確な評価に依存します.
• ローリングベアリングの複合故障は,重要な診断課題を提示します.

研究 の 目的:

• 複合材料の故障を診断し,ローリングベアリングの損傷を評価するための効果的な方法を開発する.
• ベアリングの故障診断システムの精度と信頼性を向上させる.
• 複雑なベアリングの故障に対する既存の診断技術の限界に対処する.

主な方法:

• 強化されたシグナル前処理のための変数モード分解 (VMD) ハイパーパラメータを最適化するために,改良されたデングビートル最適化器 (IDBO) を利用した.
• 特徴抽出と故障分類のためのコンボリューションニューラルネットワーク-バイディレクショナル・ロング・ショート・ターム・メモリー (CNN-BiLSTM) モデルを使用した.
• IDBOの最適化パフォーマンスを高めるために統合されたカオスマッピング,ゴールデンシナリオアルゴリズム,コシナリオイテレーション戦略.

主要な成果:

• 提案されたIDBO最適化VMDとCNN-BiLSTMは,ローリングベアリングの複合故障診断において優れた性能を示した.
• このモデルは,タイムシリーズ信号の処理における従来のCNNの限界を効果的に補った.
• HUSTデータセットを用いた検証は,複合的な故障診断と損害評価におけるシステムの有効性を確認した.

結論:

• 開発されたアプローチは,ローリングベアリングの複合故障診断と損傷評価のための堅固な解決策を提供します.
• この方法は,ベアリングの健全性を確保することにより,機械機器の信頼性と精度を大幅に高めます.
• 先進的な最適化とディープラーニングの統合は,将来の状態モニタリングシステムにとって有望な方向性を提供します.