基于VMD混合域特征和SSA-SVM的滚动轴承故障诊断

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。