基于MPA-VMD的滚动轴承故障诊断方法

针对变分模态分解方法（Variation mode decomposition, VMD）在提取滚动轴承振动信号的故障特征频率时受参数设置影响及敏感模态分量的选取问题，构建一种基于海洋捕食者算法（Marine Predator Algorithm,MPA）优化变分模态分解的滚动轴承故障诊断方法。首先，利用以包络熵为适应度函数的海洋捕食者算法对变分模态分解算法的模态个数K和二次惩罚因子α进行自适应选定；其次，使用获得的最佳参数组合对故障振动信号进行变分模态分解，得到多个本征模态分量（Intrinsic Mode Function,IMF）；最后，计算各模态分量的平方包络基尼系数（Squared Envelope Gini Index,SEGI），选择系数最大的模态作为最优IMF并进行包络分析，提取相应的故障特征频率。通过公开数据集和实验数据验证表明该方法可解决VMD受参数设置影响的问题，成功诊断轴承故障。且相比于峭度和相关系数指标，平方包络基尼系数指标在筛选最优IMF具备更佳的准确性和鲁棒性。

Fault Diagnosis Method of Rolling Bearings Based on MPA-VMD