基于AOA优化SVM的轴承故障诊断方法研究

来源：电子测量技术杂志2023年第15期北京时间：

作者：陈剑，杨惠杰，季磊，徐庭亮，黄志，李雪原

单位：1.合肥工业大学噪声振动研究所 合肥 230009; 2.安徽省汽车NVH工程技术研究中心 合肥 230009

摘要：为有效提高滚动轴承故障诊断准确率，提出了基于自适应噪声集合经验模态分解(CEEMDAN)气泡熵(BE)和支持向量机(SVM)相结合的轴承故障诊断方法。首先经CEEMDAN分解得到一系列本征模态函数(IMF)分量，然后筛选重要IMF分量计算其气泡熵值，构建故障特征向量并输入到经算术优化算法(AOA)优化的SVM模型中进行训练和轴承故障分类。结果表明该方法识别准确率高达992%，相比GASVM准确率提升了28%，也能成功识别出滚动轴承单一故障与复合故障，可以用于轴承故障分类。

关键词：自适应经验模态分解;气泡熵;支持向量机;故障诊断

基金资助：安徽省科技重大专项（17030901049）资助