提出了一种融合改进白鲸优化算法(Beluga Whale Optimization with Stranding Phase,BWOSP)、变分模态分解(Variational Mode Decomposition,VMD)和理想排序法(Technique for Order of Preference by Similarity to Ideal Solution,TOPS...提出了一种融合改进白鲸优化算法(Beluga Whale Optimization with Stranding Phase,BWOSP)、变分模态分解(Variational Mode Decomposition,VMD)和理想排序法(Technique for Order of Preference by Similarity to Ideal Solution,TOPSIS)构建综合指标,并结合深度学习的旋转机械故障诊断方法。首先,通过加入“搁浅”阶段建立了一种新型BWOSP算法;其次,利用BWOSP-VMD得到(K,α)最优参数组合;再次,考虑各本征模态分量的中心频率、相关性系数、峭度指标和包络熵通过TOPSIS构建综合指标并进行筛选、重构;最后,将BWOSP-VMD-TOPSIS降噪方法与多种深度学习模型相结合,以某轴承故障为例计算了故障诊断准确率和F1值,并与多种方法对比验证了方法的有效性和泛化性。结果表明,基于BWOSP-VMD-TOPSIS和深度学习的故障诊断方法能对含有强噪声干扰的旋转机械故障信号有效降噪并准确进行故障诊断,具有较强的泛化能力。展开更多
文摘提出了一种融合改进白鲸优化算法(Beluga Whale Optimization with Stranding Phase,BWOSP)、变分模态分解(Variational Mode Decomposition,VMD)和理想排序法(Technique for Order of Preference by Similarity to Ideal Solution,TOPSIS)构建综合指标,并结合深度学习的旋转机械故障诊断方法。首先,通过加入“搁浅”阶段建立了一种新型BWOSP算法;其次,利用BWOSP-VMD得到(K,α)最优参数组合;再次,考虑各本征模态分量的中心频率、相关性系数、峭度指标和包络熵通过TOPSIS构建综合指标并进行筛选、重构;最后,将BWOSP-VMD-TOPSIS降噪方法与多种深度学习模型相结合,以某轴承故障为例计算了故障诊断准确率和F1值,并与多种方法对比验证了方法的有效性和泛化性。结果表明,基于BWOSP-VMD-TOPSIS和深度学习的故障诊断方法能对含有强噪声干扰的旋转机械故障信号有效降噪并准确进行故障诊断,具有较强的泛化能力。
