基于GASF-BMKELM的滚动轴承故障诊断方法

doi:10.13393/j.cnki.issn.1672-948X.2025.04.013

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于GASF-BMKELM的滚动轴承故障诊断方法

更新时间：2025-10-27

- 基于GASF-BMKELM的滚动轴承故障诊断方法
- Issue 4, Pages: 96-103(2025)
- 作者机构：
  
  1. 三峡大学水电机械设备设计与维护湖北省重点实验室
  2. 三峡大学机械与动力学院
  3. 三峡大学石墨增材制造技术与装备湖北省工程研究中心
- 作者简介：
- 基金信息：
- DOI：10.13393/j.cnki.issn.1672-948X.2025.04.013
  CLC： TP277;TH133.33
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (4): 96-103.
DOI：

[J]. 2025, (4): 96-103. DOI： 10.13393/j.cnki.issn.1672-948X.2025.04.013.

摘要

针对传统故障诊断方法难以充分提取故障信息以及神经网络依赖初始参数选择的问题，提出一种基于格拉姆角和场(Gramian angular summation field

GASF)与贝叶斯优化多核极限学习机(Bayesian optimization multi-kernel extreme learning machine

BMKELM)的故障诊断方法.首先，应用小波包节点对数能量与格拉姆角和场(GASF)将原始振动信号变换为小波包对数能量图特征；其次，使用多项式核函数与径向基核函数加权组合构建多核极限学习机(multi-kernel extreme learning machine

MKELM)

同时，利用贝叶斯优化算法优化多核极限学习机的参数来提升诊断模型的故障识别能力；最后，以小波包对数能量图特征作为输入，再使用BMKELM模型完成故障特征识别与分类.通过两个数据集进行验证分析，实验结果表明，所提方法的准确率分别为99.39%和98.89%

具有较高的故障识别率和稳定性.

Abstract

关键词

Keywords

references

郑直,单思然,曾魁魁,王志军,朱勇.基于两种改进RedNet的滚动轴承故障诊断方法研究[J].机床与液压,2024(04).

吴振雄,王林军,邹腾枭,陈梦华,陈保家.基于IEWT-MOMEDA-FSC的滚动轴承故障诊断[J].三峡大学学报(自然科学版),2024(01).

孙英淳,唐斌,蔡先阳.基于倒谱–对称点图谱–卷积神经网络的内燃机增压器滚动轴承故障诊断[J].内燃机工程,2023(06).

段晓燕,焦孟萱,雷春丽,李建华.基于MTF-MSMCNN的小样本滚动轴承故障诊断方法[J].航空动力学报,2024(01).

樊红卫,严杨,张旭辉,张超,曹现刚,薛策译,毛清华,李杰.滚动轴承优选WPE与ANVTPSO-BPNN故障诊断[J].振动.测试与诊断,2023(03).

宋振军,高丙朋,庄国航,刘前进,赵恒辉.基于ECA-ResNet与CEEMDAN能量熵的轴承故障诊断[J].机床与液压,2022(15).

谢博,陈是扦,徐明坤,杨云帆,王开云.基于优化多核极限学习机的车轮多边形磨耗识别[J].力学学报,2022(07).

谢锋云,刘慧,胡旺,姜永奇.基于自适应TQWT与小波包奇异谱熵的滚动轴承早期故障诊断[J].铁道科学与工程学报,2023(02).

张弛.基于CNN-SVM的滚动轴承故障诊断[J].组合机床与自动化加工技术,2021(11).

刘道兵,余梦奇,李世春,代祥.基于改进贝叶斯网络和Hausdorff距离的电网故障诊断[J].三峡大学学报(自然科学版),2021(04).

Wang Hongchao,Liu Chuang,Du Wenliao,Wang Shuangyuan.Intelligent Diagnosis of Rotating Machinery Based on Optimized Adaptive Learning Dictionary and 1DCNN[J].Applied Sciences,2021.

Sun Siyu,Ren Jia.GASF-MSNN: A New Fault Diagnosis Model for Spatiotemporal Information Extraction[J].INDUSTRIAL & ENGINEERING CHEMISTRY RESEARCH,2021.

Guang-Bin Huang,Dian Hui Wang,Yuan Lan.Extreme learning machines: a survey[J].International Journal of Machine Learning and Cybernetics,2011.

Views

454

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于HHT的转子振动故障诊断研究

Related Author

陈希

谢红星

Related Institution

三峡大学电气与新能源学院

AI问答

⁰