NGO-VMD和SSNGO-RF算法在风机齿轮箱故障诊断中的应用
陈萱1
杨永超1
袁博洋1
郭光华2
钟建伟1
1.湖北民族大学 智能科学与工程学院,湖北 恩施 4450002.湖北民族大学 智能科学与工程学院,湖北 恩施 445000;湖北能源集团新能源发展有限公司,武汉 430073
摘要：针对风机齿轮箱采用振动信号进行故障诊断时故障准确率较低的问题,提出了基于北方苍鹰优化算法(northern goshawk optimization,NGO)的变分模态分解(variational mode decomposition,VMD)算法(NGO-VMD)和结合一维复合混沌映射(sine map and piece wise linear chaotic map,SPM)与正余弦优化算法(sine cosine algorithm,SCA)的改进NGO随机森林(random forest,RF)优化算法(SSNGO-RF).首先,采用NGO对VMD的分解层数和惩罚因子进行寻优,避免 VMD 分解出现模态混叠及模态丢失问题;然后,对分解得到的若干本征模态分量(intrinsic mode function,IMF)逐层计算原始振动信号的相关系数,选取具有相关性的IMF层数进行重构并提取特征向量;最后,将特征向量输入由SPM和SCA改进的NGO优化算法,优化子树棵数和分类特征数的RF模型,进行故障分类.实验结果表明,该算法的故障诊断准确率可达 0.9917,能够有效提高采用振动信号对齿轮箱进行故障诊断的准确率.
关键词：风机齿轮箱故障诊断北方苍鹰优化变分模态分解随机森林
分类号：TP206+.3(自动化技术及设备)
资助基金：湖北省自然科学基金(2022CFB264)
论文发表日期：2023-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 520-529 )
英文信息