文章详情
| 稿件标题： | 小样本下基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断 |
| 稿件作者： | 葛平淑1，王朝阳1，王阳1，张涛1，薛红涛2，夏晨迪3 |
| DOI： | 10.11809/bqzbgcxb2024.08.001 |
| 科学编辑： | 黄景德 博士（珠海科技学院 教授、博导） |
| 栏目名称： | 装备可靠性工程专栏 |
| 关键词： | 轮毂电机；轴承；合成少数类过采样技术（SMOTE）；改进灰狼优化算法（IGWO）；随机森林（RF）；故障诊断 |
| 文章摘要： | 轮毂电机复杂多变的运行环境可能导致轴承故障而危及电动车辆行驶安全，为解决传统故障诊断方法在小样本条件下识别精度低的问题，提出一种基于SMOTEIGWORF的轮毂电机轴承故障诊断方法。首先，通过合成少数过采样技术（SMOTE）扩展训练数据集，生成与真实样本分布相似的故障样本，并使用主成分分析（PCA）优化其时域和频域的特征。然后，通过引入非线性收敛因子和Levy飞行策略改进传统的灰狼优化算法（GWO），使用改进的灰狼优化算法（IGWO）优化随机森林（RF）模型的参数。最后，基于SMOTEIGWORF的轮毂电机轴承故障诊断模型实现故障状态的识别，并在轮毂电机试验台架上进行了实验验证。结果表明，所提出的轮毂电机轴承故障诊断方法在7种转速工况下平均准确率均超过96%，具有高精度和稳定性。与遗传算法（GA）、粒子群优化算法（PSO）、GWO优化RF相比，提出的IGWORF模型在3种小样本训练集下的诊断准确率均超过90%，且准确率均明显高于其他3个对比算法，能够有效实现小样本条件下的轮毂电机轴承故障诊断。 |
| 稿件基金： | 国家自然科学基金项目（52175078） |
| 引用本文格式： | 葛平淑，王朝阳，王阳，等.小样本下基于SMOTEIGWORF的轮毂电机轴承故障诊断［J］.兵器装备工程学报，2024，45(8)：1-9. GE Pingshu,WANG Zhaoyang, WANG Yang, et al.Bearing fault diagnosis of inwheel motor based on SMOTEIGWORF with small sample［J］.Journal of Ordnance Equipment Engineering，2024，45(8)：1-9. |
| 刊期名称： | 2024年08期 |
| 出版时间： | 2024年9月 |
| 收稿日期： | 2024-03-03 |
| 修回日期： | 2024-04-28 |
| 录用日期： | 2024-05-26 |
| 上线时间： | 2024年9月2日 |
| 浏览次数： | 744 |
| 下载次数： | 82 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |