基于WOA-VMD与GAT的滚动轴承故障诊断方法技术

本发明专利技术公开了一种基于WOA

【技术实现步骤摘要】
基于WOA
‑
VMD与GAT的滚动轴承故障诊断方法


[0001]本专利技术属于旋转机械故障诊断
，涉及一种滚动轴承故障诊断方法，具体涉及一种基于鲸鱼优化算法(WOA)
‑
变分模态分解(VMD)与图注意力神经网络(GAT)的滚动轴承故障诊断方法。

技术介绍

[0002]当代互联网飞速发展，传统制造业也紧跟时代步伐，将以往的事后维修、定期维修、视情维修等发展至主动的故障预测与维修。当滚动轴承在机械设备中发生故障时，不仅仅只是造成轴承损坏，还会将因故障而出现的异常振动传递至与其组装在一起的零部件并不断向外延伸，从而影响整个机械设备。
[0003]滚动轴承工作环境复杂，信号采集过程中的外部干扰因素很多，但目前的滚动轴承故障诊断技术与状态监测手段并不能排除噪声的干扰，一般采集到的振动信号大多夹杂着相当多的噪声，这对机械设备的性能与设备健康预测造成很大的麻烦。故障诊断效果的好坏在一定程度上取决于降噪效果的好坏，因此选择效果好的降噪方法，将采集到的信号中的噪声以及其他无用部分筛除具有很大的工程应用意义。变分模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于WOA
‑
VMD与GAT的滚动轴承故障诊断方法，其特征在于所述方法包括如下步骤：步骤一、基于WOA
‑
VMD的信号分解与重构通过WOA优化算法对VMD分解的参数模态个数k和惩罚参数α进行自适应确定，从而对原始信号进行VMD分解，再对分解后的信号采用Pearson相关性分析筛选出其中相关性大的IMF分量，以对信号进行重构，完成信号降噪；步骤二、基于图注意力神经网络的滚动轴承故障诊断将Attention与图卷积运算进行结合，构建图注意力神经网络滚动轴承故障诊断模型，对价值信息分配更多的比重，用以优化构建图的信息收集阶段，提高模型故障诊断准确率。2.根据权利要求1所述的基于WOA
‑
VMD与GAT的滚动轴承故障诊断方法，其特征在于所述步骤一的具体步骤如下：步骤一一、VMD参数的自适应确定与信号分解：对WOA进行参数初始化，计算每个鲸鱼个体对应的包络熵值并记录最优，输出最优参数组合，使用最优的k和α来对原始信号进行分解；步骤一二、IMF分量筛选与信号重构：采用Pear...

【专利技术属性】
技术研发人员：王亚萍，张祺松，张盛，曹若凡，范宇琪，杨慧敏，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：