A Bearing Fault Diagnosis Method Based on ECA-ConvNeXt and BWO-VMD
Notice bibliographique
Résumé
In order to address the challenges of extracting meaningful features and enhancing the noise immunity and robustness of diagnostic models in rolling bearing fault diagnosis, a novel method is proposed.This method combines the variational mode decomposition (VMD) features extraction algorithm with the Beluga Whale Optimization Algorithm (BWO) and utilizes an improved ConvNeXt network featuring an efficient channel attention mechanism (ECA).Firstly, The BWO algorithm optimizes the number of mode decomposition and penalty factors in VMD, seeking the optimal parameter combination based on the highest permutation entropy fitness.It then performs VMD decomposition on the fault signal to extract the most representative sample features.Secondly, the Gram angle field (GAF) encoding method transforms the extracted one-dimensional feature signals into twodimensional features.At the same time, the ECA-Block module is specifically designed to update the Block module in the ConvNeXt network.ECA is introduced into the ConvNeXt network, the two-dimensional feature signal after GAF conversion is input into the ECA-ConvNeXt network fault diagnosis model for training, identification, and classification.Finally, the verification process for the original signal loading noise of the bearing vibration data set from Case Western Reserve University has been conducted.The results indicate that the ECA-ConvNeXt model, trained with BWO-VMD, demonstrates high accuracy in bearing fault diagnosis.The accuracy is 99.78% for identifying the original fault vibration signals, and the classification accuracy after loading different signal-to-noise ratio Gaussian white noise is above 99.57%.Experimental conditions varied across different datasets, including load and noise, in the model transfer experiments.The average recognition rate for load model transfer was 96.22%, while for noise model transfer, it was 98.22%, exceeding that of the comparative algorithm.Additionally, the recognition rate exceeded expectations and bit the least fluctuation.The experiments demonstrate that the proposed method possesses excellent noise resilience and robustness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».