控制理论与应用

作者：尹逊龙,牟宗磊,王友清

单位：山东科技大学电气与自动化工程学院,山东科技大学电气与自动化工程学院,山东科技大学电气与自动化工程学院

关键词：深度变分模态分解; 麻雀搜索算法; 降噪; 深度学习; 特征提取; 故障诊断

基金：青岛创业创新领军人才计划项目(19-3-2-4-zhc), 山东省自然科学基金项目(ZR2021MF027), 青岛市博士后应用研究项目资助.

针对振动信号噪声难以剔除而造成故障诊断精度低的问题, 提出了一种基于深度变分模态分解(DVMD)的旋转机械故障诊断方法. 首先, 利用麻雀算法(SSA)对变分模态分解(VMD)算法的参数进行优化. 然后, 通过SSA–VMD对信号进行自适应深度分解得到模态分量, 将每层深度的分量与原始信号作皮尔逊相关系数分析, 再对分量进行奇异值分解(SVD)或者直接剔除, 将处理后分量重构后, 实现振动信号的深度降噪. 最后, 提取降噪信号的一维多尺度排列熵特征和二维时频特征, 将特征依次放入轻量级梯度提升机(LightGBM)中进行训练, 实现故障诊断. 设计方法在风力涡轮传动系统的齿轮箱故障信号上进行验证, 不仅能够剔除信号的大量噪声, 并且提高了故障诊断精度, 具有良好的工程应用前景.

来源：2022年第7期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2022年第7期