融合PSO优化的相关变模态分解与深度学习的旋转机械早期故障智能分类方法

• 作 者: 董红平 李明
• 机 构: 绍兴职业技术学院,西南林业大学
• 出 处: 计算机测量与控制
• 发表日期: 2020年01期
• 关键词: 旋转机械 早期故障诊断 群粒子优化的相关变模态分解(PSO-RVMD) 堆栈自编码(SAE) rotating machineryearly fault dia
• 基金项目: 国家自然科学基金项目(31760182)

针对旋转机械早期故障信号呈现微弱、相互干扰,易导致故障智能分类精度低的现状,提出一种融合优化的PSORVMD (particle swarm optimization-relevant variational mode decomposition)与SAE(stacked autoencoder)的旋转机械早期故障分类方法;智能分类方法主要由信号增强与智能分类两阶段组成;首先该方法利用所改进的PSO-RVMD分解电机-轴承系统的早期故障振动信号,通过定义的相关能量比概念计算各分量信号(IMFs)与原