基于递归分析和Stacking集成学习的轴承故障诊断方法

摘要

为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率，提出一种基于递归分析和Stacking集成学习的轴承故障诊断方法.通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中，分别从图像识别和递归定量分析的角度出发，对应建立了卷积神经网络和支持向量机两个子模型.使用Stacking方法将两个模型进行集成，可以在一定程度上结合两个模型的不同特点，充分发挥两个不同模型的优势.实验结果表明，该方法可以有效提高轴承振动信号的分类准确率，并在不同负载条件下表现出色且稳定，为轴承故障诊断提供了一种可靠的解决方案.

关键词

故障诊断 / 滚动轴承 / 递归分析 / Stacking集成学习

基金资助

国家自然科学基金(12272058); 北京市教育委员会科研计划项目(KM202411232006); 基于华为云主机的《数学建模》课程建设(241100007123903); 北京信息科技大学“青年骨干教师”支持计划(YBT202450)