基于SABO-VMD和WMH-KNN的滚动轴承故障诊断
Guangxing Liu1,2, Yihao Ma1, Na Wang1
1School of Electronic Engineering, Xi'an Shiyou University, Xi'an 710065, China.
这项研究引入了用于滚筒轴承故障诊断的先进算法,提高了准确性并减少了错误. 这种新的方法结合了基于减去平均值的优化器 (SABO) 与变量模式分解 (VMD) 和加权曼哈顿-K最近邻居 (WMH-KNN).
科学领域:
- 机械工程 机械工程
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 对于工业机械的可靠性来说,滚筒轴承的准确故障诊断至关重要.
- 传统的方法经常与复杂的信号噪声作斗争,并具有提取挑战.
- 开发强大的诊断算法对于防止灾难性故障和降低维护成本至关重要.
研究的目的:
- 提出一种新且有效的算法,以提高滚子轴承故障诊断性能.
- 为了优化信号分解,使用减去平均值基础的优化器 (SABO) 和变化模式分解 (VMD).
- 通过加权曼哈顿-K最近邻居 (WMH-KNN) 方法来提高分类准确性.
主要方法:
- 利用了 SABO 与 permutation 和相互信息来优化 VMD 参数.
- 应用了针对信号分解的优化VMD,提取最佳内在模式函数 (IMFs).
- 使用WMH-KNN进行故障诊断,使用提取的IMF特征,增强分类距离.
主要成果:
- 实现了高诊断准确率:97.22% (数据集1),98.33% (数据集2) 和99.2% (数据集3).
- 与传统故障诊断方法相比,显著改善.
- 显示了轴承故障检测虚假阳性率的大幅降低.
结论:
- 拟议的SABO-VMD和WMH-KNN算法为滚子轴承故障诊断提供了卓越的性能.
- 集成SABO用于VMD参数优化和WMH-KNN用于分类,有效地解决了诊断挑战.
- 该方法为工业电机轴承健康监测提供了可靠和准确的解决方案.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
08:22A Novel Single Animal Motor Function Tracking System Using Simple, Readily Available Software
Published on: August 31, 2018
相关概念视频
Bearings: Problem Solving
Wald-Wolfowitz Runs Test I
The test works...
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Wald-Wolfowitz Runs Test II
For binary data, runs are identified using symbols such as + and −, or equivalently, 1s and...
Machines: Problem Solving II
Classification of Systems-II
