基于数字孪生与PNN的滚动轴承故障诊断

扫码查看

原文链接

万方数据
维普

中文摘要：针对采煤机滚动轴承故障诊断精度低、速度慢、无法实时监测其运行情况等问题,提出一种基于数字孪生和概率神经网络(Probabilistic Neural Network,PNN)的采煤机滚动轴承故障诊断方法.根据滚动轴承结构、运行的特点,建立基于数字孪生的故障诊断模型;采用改进的萤火虫优化算法(Firefly Algorithm,FA)求取最优的平滑因子并赋给PNN,得到最优的故障诊断模型,并将优化后的故障诊断模型封装到数字孪生体的行为模型中,进而构建高精度轴承数字孪生体进行实时故障诊断分析.实验结果表明,与优化前以及其他网络相比,所提方法的收敛速度更快且故障诊断精度更高,验证了所提方法的有效性与优越性.

外文标题：Rolling Bearing Fault Diagnosis Based on Digital Twin and PNN

作者：

仲文君、易辉、董露、柴宇恒

展开 >

作者单位：

南京工业大学电气工程与控制科学学院,江苏南京 211816

关键词：

采煤机滚动轴承数字孪生概率神经网络故障诊断萤火虫优化算法

基金：

国家重点研发计划

项目编号：

2020YFB1713804

出版年：

2024

DOI：

10.3969/j.issn.1009-0134.2024.10.004

制造业自动化

北京机械工业自动化研究所

制造业自动化

CSTPCD

影响因子：0.482

ISSN：1009-0134

年,卷(期)：2024.46(10)