数字化与智能化
赵雅强, 刘帅, 刘少康, 刘卫亮, 张启亮, 刘长良, 武英杰, 王昕, 康佳垚
针对机械振动监测系统加速度传感器采样频率不一致而带来的滚动轴承故障诊断速度与准确率降低等问题,提出了泛采样频率下基于变分模态分解结合改进金枪鱼群优化算法优化极端梯度提升树(VMD-MTSO-XGBoost)的滚动轴承故障诊断方法。首先,对振动信号进行小波降噪和降采样处理,得到泛采样频率下的降噪信号;利用变分模态分解(VMD)处理泛采样频率下的降噪信号,提取本征模态函数(IMF)分量指标构成故障特征向量。然后,利用Circle混沌映射初始化金枪鱼群优化(TSO)算法种群,增加初始种群的丰富性和多样性;并采用逐维变异方法对最优个体位置进行扰动,提升算法跳出局部最优的能力,增强算法全局探索能力。最后,利用改进金枪鱼群优化(MTSO)算法对极端梯度提升树(XGBoost)参数进行优化,建立滚动轴承故障诊断模型。采用所提出的故障诊断方法对凯斯西储大学公开数据集、德国帕德博恩大学公开数据集和实测数据集进行了验证。结果表明:在泛采样频率下,相比于其他3种模型,所提出的故障诊断方法可以更加高效、准确地识别滚动轴承故障。