基于VMD混合域特征和SSA-SVM的滚动轴承故障诊断 |
| |
作者姓名: | 陈维望 李军霞 张伟 |
| |
作者单位: | 太原理工大学机械与运载工程学院,山西太原030024;矿山流体控制国家地方联合工程实验室,山西太原030024 |
| |
基金项目: | 中央引导地方科技发展资金项目(YDZJSX2021A023);国家自然科学基金面上项目(52174147);晋中市科技重点研发计划项目(Y211017) |
| |
摘 要: | 滚动轴承早期故障信号易受噪声干扰,故障冲击成分难以提取,故障识别困难。为从多角度提取故障轴承振动信号特征参数,利用变分模态分解(VMD)将振动信号分解为若干本征模态分量(IMFs),基于包络熵、相关系数、峭度筛选IMF分量。提取所选IMF的时域和频域特征、信号VMD能量熵及各IMF能量比组成特征向量,从时域、频域和能量角度反映故障信息。使用麻雀搜索算法(SSA)优化SVM参数,确定最优参数,克服参数选择难题。将样本特征向量输入SSA-SVM中进行故障分类,轴承故障实验数据表明:该方法故障识别平均准确率在98.71%以上;与单一域特征相比,该方法对故障类型和损伤程度识别效果更佳。
|
关 键 词: | 滚动轴承 变分模态分解 能量熵 麻雀搜索算法 支持向量机 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |