基于RIME-VMD和SSA-CNN-Transformer的滚动轴承故障诊断

摘要

为了解决滚动轴承早期故障信号微弱、特征提取效果不佳，从而影响故障诊断准确性和效率的问题，本文提出了一种结合信号处理与深度神经网络的故障诊断模型。首先，利用霜冰优化算法对变分模态分解的参数进行优化，以获得最佳模态分量；其次，使用麻雀优化算法对CNN-Transformer组合模型的超参数进行调优；最后，将最优模态分量输入优化后的CNN-Transformer模型，以得到故障分类结果。通过美国CWRU轴承数据集验证，实验结果显示，该模型在准确性和稳定性方面相比其他故障诊断模型有显著提升，能够为工业设备的可靠维护提供更精准的故障诊断支持。

关键词

变分模态分解 / 霜冰优化算法 / 卷积神经网络 / transformer / 麻雀优化算法 / 故障诊断 / 滚动轴承