基于PSO优化SVM数控机床主轴系统故障诊断的研究

通过分析主轴系统的故障特征和产生机理，提出了一种基于变分模态分解(VMD)与多尺度加权排列熵(MWPE)的故障特征提取方法和粒子群(PSO)优化支持向量机(SVM)的数控机床主轴系统故障分析诊断模型。首先，利用变分模态分解方法对所采集的主轴系统振动信号进行分解，得到若干有效本征模态分量(IMFs);其次，通过多尺度加权排列熵提取故障特征信息，利用SVM模型对故障特征信息进行分类与识别；为了提高模型的识别准确率，将引入粒子群优化算法(PSO)对SVM模型参数进行优化。实验验证表明，所提出的信号特征提取方法和状态识别模型在数控机床主轴系统的故障诊断方面取得了很好的成效，其故障识别准确率最高达99.56%。