-
题名基于AO-VMD-BF和多模型融合的电梯故障诊断
- 1
-
-
作者
邱朝洁
张林鍹
李名洪
张盼盼
郑兴
-
机构
新疆大学电气工程学院
清华大学国家计算机集成制造系统工程技术研究中心
-
出处
《科学技术与工程》
北大核心
2024年第35期15023-15030,共8页
-
基金
新疆维吾尔自治区自然科学基金(2022D01C431)。
-
文摘
为了准确地实现电梯故障诊断,提出基于AO-VMD-BF和多模型融合的电梯故障诊断。首先,利用天鹰优化算法(aquila optimizer algorithm,AO)优化的变分模态分解(variational mode decomposition,VMD)将信号分解为多个模态分量,并利用皮尔逊相关系数去除虚假分量,针对剩余信号仍有噪声的问题,通过巴特沃斯滤波(Butterworth filter,BF)进行二次去噪,对去噪筛选后的模态分量子序列进行重构即可得到去噪后的振动信号。然后提取时域、频域和熵特征,构成多域特征向量集。最后建立以卷积神经网络(convolutional neural network,CNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和自适应提升(adaptive boosting,AdaBoost)为基模型,极限梯度提升树(extreme gradient boosting,XGBoost)为元分类器的Stacking集成学习的电梯故障诊断模型。实验结果表明,所提的方法能够有效提取电梯轿厢振动信号中的故障特征,对电梯故障进行准确、有效的诊断。
-
关键词
天鹰优化算法
变分模态分解
Stacking集成学习
电梯轿厢振动信号
-
Keywords
aquila optimizer algorithm
variational mode decomposition
Stacking integrated learning
elevator car vibration signal
-
分类号
TH165.4
[机械工程—机械制造及自动化]
-
