基于AO-VMD和IAO-SVM的齿轮箱故障诊断

针对提高变分模态分解（Variational Mode Decomposition,VMD）的自适应性、优选本征模态分量（Intrinsic Mode Function,IMF）及多故障分类的问题，提出一种天鹰优化器（Aquila Optimizer,AO）优化VMD、综合评价模型优选IMF、改进天鹰优化器（Improved Aquila Optimizer,IAO）优化支持向量机（Support Vector Machine,SVM）的齿轮箱故障诊断方法。首先，采用AO优化VMD的参数并分解原始信号；其次，构建基于相关系数、峭度、包络熵、能量熵的CRITIC-TOPSIS综合评价模型，优选IMF，提取能量熵建立特征向量；最后，将其输入IAO-SVM识别故障类型。通过实验验证所提出方法的有效性。