基于参数优化VMD及改进CNN的风电齿轮故障诊断方法

摘要

风电齿轮因长期高速运转且运行环境复杂，早期故障信号特征微弱易被掩盖，致使传统故障诊断方法精度较低．为解决此问题，本文提出一种基于改进旗鱼算法（ISFO）优化变分模态分解（VMD）与卷积神经网络（CNN）的风电齿轮故障诊断方法．首先，将Logistic混沌映射初始化、 Lévy飞行理论和遗传算法优化理论引入旗鱼算法（SFO）中，提出了基于混合策略的ISFO算法，有效解决了算法的局部最优问题．其次，利用ISFO算法优化VMD参数分解信号，提取相关系数最大模态分量的故障特征信息，并利用短时傅里叶变换（STFT）构建时频图．最后，将时频图输入优化后的CNN训练以完成故障诊断分类．实验对比和分析表明，所提方法在公共数据集和自测数据集上均表现出较高的诊断精度，平均准确率达98.67%，能够有效解决风电齿轮故障诊断问题．

关键词

风电齿轮 / 故障诊断 / 改进旗鱼算法 / 变分模态分解 / 卷积神经网络