基于参数优化VMD及改进CNN的风电齿轮故障诊断方法OA
风电齿轮因长期高速运转且运行环境复杂,早期故障信号特征微弱易被掩盖,致使传统故障诊断方法精度较低.为解决此问题,本文提出一种基于改进旗鱼算法(ISFO)优化变分模态分解(VMD)与卷积神经网络(CNN)的风电齿轮故障诊断方法.首先,将Logistic混沌映射初始化、Lévy飞行理论和遗传算法优化理论引入旗鱼算法(SFO)中,提出了基于混合策略的ISFO算法,有效解决了算法的局部最优问题.其次,利用ISFO算法优化VMD参数分解信号,提取相关系数最大模态分量的故障特征信息,并利用短时傅里叶变换(STFT)构建时频图.最后,将时频图输入优化后的CNN训练以完成故障诊断分类.实验对比和分析表明,所提方法在公共数据集和自测数据集上均表现出较高的诊断精度,平均准确率达98.67%,能够有效解决风电齿轮故障诊断问题.
刘磊;穆塔里夫·阿赫迈德;木巴来克·都尕买提;邵曾智
新疆大学电气工程学院,新疆乌鲁木齐830017新疆大学电气工程学院,新疆乌鲁木齐830017新疆大学电气工程学院,新疆乌鲁木齐830017新疆大学电气工程学院,新疆乌鲁木齐830017
机械制造
风电齿轮故障诊断改进旗鱼算法变分模态分解卷积神经网络
《新疆大学学报(自然科学版中英文)》 2026 (1)
P.38-50,13
新疆维吾尔自治区“天山英才”计划-科技创新领军人才基金资助项目“新疆碳中和能源科学与技术研究”(2022TSYCLJ0001)。
评论