ISSA优化SVM的电机滚动轴承故障诊断

来源：电子测量技术杂志2023年第15期北京时间：

作者：杨旭，张涛，李玉梅，刘洪

单位：1.北京信息科技大学高动态导航技术北京市重点实验室 北京 100101; 2.北京信息科技大学现代测控技术教育部重点实验室 北京 100101

摘要：针对电机轴承易发生故障，传统故障诊断方法具有耗时长、诊断精度低、调节参数多等问题，提出一种改进麻雀搜索算法ISSA优化支持向量机SVM的轴承故障诊断方法。该分类算法在传统麻雀寻优算法中引入改进Tent混沌映射、鸡群算法随机跟随策略、自适应t分布与动态选择策略，首先采用CEEMDAN能量熵对振动信号进行分解，选取与原信号相关性最大的5个IMF分量的能量熵值作为特征向量，然后输入到ISSASVM分类器中进行轴承故障诊断。分别与PSOSVM、GWOSVM、SSASVM分类模型进行实验对比，结果表明ISSASVM诊断模型的诊断精度最高可达到100%。

关键词：支持向量机;滚动轴承;麻雀搜索算法;相关系数

基金资助：北京信息科技大学重点研究培育项目（2121YJPY220）、北京市教委一般项目（KM202111232004）、中国石油天然气集团有限公司中国石油大学（北京）战略合作科技专项（ZLZX202003）资助