一种改进OCSSA-VMD-CNN-BILSTM的旋转机械故障诊断方法技术

本发明专利技术提供一种基于OCSSA‑VMD‑CNN‑BILSTM的旋转机械故障诊断方法，包括以下步骤：输入旋转机械振动信号；通过中心频率法得到vmd分解层数K值的范围，并设置好惩罚因子α的范围；以最小样本熵作为适应度函数，运用改进后的麻雀优化算法OCSSA对VMD进行参数寻优，得到[K，α]最优组合。本发明专利技术基于CNN‑BILSTM模型搭建轴承故障诊断模型，并利用多策略融合改进麻雀搜索算法(OCSSA)对VMD参数进行优化，在对模型超参数优化时，OCSSA有极快的收敛速度和极高的测试精度。该方法可以在没有先验知识的情况下获取vmd的最优参数，提升了算法效率，避免了人工筛选参数，并且具有更高的诊断精度和稳定性，极大增强了诊断模型的泛化性与智能化水平。

【技术实现步骤摘要】

本专利技术涉及机械故障诊断领域，具体为一种改进ocssa-vmd-cnn-bilstm的旋转机械故障诊断方法。

技术介绍

1、在机械设备运行过程中，滚动轴承负责转子的空间固定，不仅要承受交变应力的影响，还要承受机构产生的大部分静载荷和动载荷。此外，滚动轴承面临的工作环境往往非常恶劣，包括高速、高温、高压、重载和变速。当机械设备在这样的工作环境下长时间运行时，滚动轴承的故障率就远高于其他部件。它给生产者和社会造成巨大的经济损失。因此，提出一种可行的滚动轴承故障诊断方法具有重要的现实意义。

2、许多学者对信号降噪进行了大量的研究。其中，变分模态分解法(vmd)因其可以有效地消除模态混叠，并且能较好地避免端点效应，而被广泛的应用于机械故障诊断中。然而，vmd方法的效果并不稳定，基于主观因素人为设定的众多参数都会影响最终效果，其中比较重要的参数有分解层数k和惩罚因子α，这两个参数影响到vmd的分解效果最为明显，当k值取值过小，会出现“欠分解”现象，若α取值过小，就会出现模态混叠现象，反之亦然，当k值取值过大时，会出现“过分解”现象，若α取值过大，会出现本文档来自技高网...

【技术保护点】

1.一种改进OCSSA-VMD-CNN-BILSTM的旋转机械故障诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种改进OCSSA-VMD-CNN-BILSTM的旋转机械故障诊断方法，其特征在于：所述步骤2中具体操作如下：首先，将惩罚因子α设置为默认值1000，分别对K取2到10的正整数时进行VMD分解，得到IMF分量并计算各中心频率；其次，计算最后一个IMF分量之间的中心频率误差，将最终连续出现中心频率误差在0.01以内范围的K值确定为最佳的K值范围；最后，确定惩罚因子α的搜索范围设置。

3.根据权利要求1所述的一种改进OCSSA-VMD-CNN...

【技术特征摘要】

1.一种改进ocssa-vmd-cnn-bilstm的旋转机械故障诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种改进ocssa-vmd-cnn-bilstm的旋转机械故障诊断方法，其特征在于：所述步骤2中具体操作如下：首先，将惩罚因子α设置为默认值1000，分别对k取2到10的正整数时进行vmd分解，得到imf分量并计算各中心频率；其次，计算最后一个imf分量之间的中心频率误差，将最终连续出现中心频率误差在0.01以内范围的k值确定为最佳的k值范围；最后，确定惩罚因子α的搜索范围设置。

3.根据权利要求1所述的一种改进...

【专利技术属性】
技术研发人员：夏志杰，路佶锟，张志胜，戴敏，温海营，杨晓东，刘益峰，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：