基于优化VMD和深度置信网络的滚动轴承故障诊断

摘要

为有效提取滚动轴承振动信号中的微弱特征信息,提高故障诊断准确率,提出了优化变分模态分解的特征提取方法,并建立了基于深度置信网络的小样本识别模型对轴承故障状态进行识别.采用粒子群算法并行优化分解层数和惩罚因子,对信号进行分解和重构,然后构建故障特征向量,输入基于深度置信网络的小样本识别模型进行故障类型识别.与传统及改进的分类方法的对比结果表明,该模型能够稳定有效地提取滚动轴承的故障特征,且故障识别率更高.