控制与决策

作者：陈科,姬梦晓,于坤杰,廖粤峰

单位：郑州大学 电气与信息工程学院，郑州 450001;龙门实验室，河南 洛阳 471000,,郑州大学 电气与信息工程学院，郑州 450001;龙门实验室，河南 洛阳 471000,,郑州大学 电气与信息工程学院，郑州 450001;龙门实验室，河南 洛阳 471000,,郑州大学 电气与信息工程学院，郑州 450001;龙门实验室，河南 洛阳 471000,

关键词：旋转机械;故障诊断;信号分解;贝叶斯优化;逐次变分模态分解;信号重构

基金：国家自然科学基金项目(62206255, 62476254)；河南省自然科学基金项目(252300421501)；河南省科协青年人才托举项目(2024HYTP023)；河南省重点研发专项项目(251111113900)；龙门实验室前沿探索课题项目(LMQYTSKT031)；河南省高校科技创新人才支持计划项目(23HASTIT023).

在复杂工况下, 旋转机械的振动信号通常表现出显著的非平稳性, 并伴随较强的噪声干扰, 导致传统信号处理方法在故障特征提取方面面临较大挑战. 鉴于此, 提出一种基于贝叶斯优化和信号重构的旋转机械故障诊断方法. 首先, 利用贝叶斯优化算法对逐次变分模态分解核心参数进行自适应调整; 然后, 提出一种基于平均瞬时频率的垂直距离判别方法, 用于区分逐次变分模态分解所得到固有模态函数的高低频分量; 接着, 设计一种相关系数加权策略, 对不同固有模态函数进行加权重构; 最后, 从时域、频域和时频域提取多维特征构建特征集, 并进行故障分类. 通过在多个数据集上的实验比较和分析, 同时与现有方法进行对比, 验证了所提出方法的有效性和优越性.

来源：2026年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第4期