徐海涛1 鲜青桂2 陈东宁2, 通讯作者 武兵羽2
中国机械. 2024, (31): 108-113.
滚动轴承故障信号非线性强、数据量大且易受噪声干扰,降噪方法、特征选择与分类方法选用不当都会造成诊断准确率的降低。为此,本文提出一种RBMO-XGboost的滚动轴承故障诊断方法。首先,运用改进EMD对信号进行降噪,引入综合判别准则,得到IMF分量并进行重构。其次,利用排列熵进行故障特征提取。然后,选用XGBoost进行分类,提出基于红嘴蓝鹊优化器(Red-billed Blue Magpie Optimizer,RBMO)的XGBoost最优超参数组合方法。最后,运用上述方法对德国帕德博恩滚动轴承数据进行故障诊断,结果表明该方法具有较高的故障诊断精度。