基于IDBO-GRU的电磁斥力操动机构故障诊断模型研究
Abstract
针对电磁斥力操动机构的机械故障诊断率偏低问题，文中提出了一种基于改进蜣螂优化算法(IDBO)优化门控循环单元神经网络（GRU）的故障诊断方法。首先，采用最大奇异值能量熵方法(EEMSE)对机构的分闸振动信号进行特征提取构建特征向量矩阵，并利用Lasso回归系数和皮尔逊相关系数对特征矩阵进行降维。然后，引入Chebyshev混沌映射、黄金正弦策略、位置更新动态权重系数对传统蜣螂优化算法(DBO)进行改进，并使用IDBO对GRU超参数优化，建立基于IDBO-GRU的电磁斥力操动机构故障诊断模型。最后，搭建实验平台对模型进行验证，结果表明，建立的故障诊断模型诊断精确度达到96.88％，相较于其它诊断模型具有更高准确率和更好稳定性，为电磁斥力操动机构的故障诊断提供了一种新的诊断模型。
Fields of Study & Subjects
Machine Fault Diagnosis Techniques
Electrical Fault Detection and Protection
Fault Detection and Control Systems
Publication details
- Journal / source
- DOAJ (DOAJ: Directory of Open Access Journals)
- Publication date
- 1 January 2026
- Language
- ZH