控制与决策

作者：高佳,王艳红,张俊,谭园园,李冬

单位：沈阳工业大学 人工智能学院，沈阳 110870;沈阳市信息感知与边缘计算重点实验室，沈阳 110870,,沈阳工业大学 人工智能学院，沈阳 110870;沈阳市信息感知与边缘计算重点实验室，沈阳 110870,,沈阳工业大学 人工智能学院，沈阳 110870,,沈阳工业大学 人工智能学院，沈阳 110870,,沈阳工业大学 人工智能学院，沈阳 110870,

关键词：滚动轴承;多元变分模态分解;人工蜂群算法;特征提取;故障诊断

基金：国家自然科学基金青年基金项目(62003221)；辽宁省教育厅重点研发项目(JLKZZ20220021)；辽宁省科技计划联合基金项目(2023-MSLH-255)；辽宁省教育厅科研基金面上项目(LJKMZ20220509)；东北大学流程工业综合自动化国家重点实验室开放课题项目(2023-kfkt-02).

针对传统滚动轴承故障诊断方法中单信道振动数据分析导致的故障特征提取不充分、诊断精度受限的问题, 提出一种基于改进人工蜂群算法的多元变分模态分解(IABC-MVMD)与精细复合多元多尺度模糊熵(RCMMFE)相结合的多元故障信号诊断方法. 为克服MVMD分解过程中分解层数与带宽平衡参数难以自整定对诊断精度带来的影响, 设计一种融合Chebyshev混沌映射、精英信息引导、自适应惯性权重的改进人工蜂群算法(IABC), 满足了多元激励信号在频域内的自适应剖分需求. 在此基础上, 使用RCMMFE构建能够全面表征轴承状态的高维故障特征集, 并将其输入支持向量机中进行故障诊断. 通过CWRU数据集上的仿真验证并与现有方法的对比分析, 结果表明, 所提出方法能够高效准确地提取与识别滚动轴承的多元故障信号特征, 具有较好的理论价值与实践意义.

来源：2025年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第7期