基于数字孪生与PNN的滚动轴承故障诊断

Rolling Bearing Fault Diagnosis Based on Digital Twin and PNN

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。