基于VMD混合域特征和SSA-SVM的滚动轴承故障诊断

来源：机床与液压杂志2022年第24期北京时间：

作者：陈维望，李军霞，张伟

单位：太原理工大学机械与运载工程学院,矿山流体控制国家地方联合工程实验室；太原理工大学机械与运载工程学院,矿山流体控制国家地方联合工程实验室；太原理工大学机械与运载工程学院,矿山流体控制国家地方联合工程实验室

摘要：滚动轴承早期故障信号易受噪声干扰，故障冲击成分难以提取，故障识别困难。为从多角度提取故障轴承振动信号特征参数，利用变分模态分解(VMD)将振动信号分解为若干本征模态分量(IMFs)，基于包络熵、相关系数、峭度筛选IMF分量。提取所选IMF的时域和频域特征、信号VMD能量熵及各IMF能量比组成特征向量，从时域、频域和能量角度反映故障信息。使用麻雀搜索算法(SSA)优化SVM参数，确定最优参数，克服参数选择难题。将样本特征向量输入SSA-SVM中进行故障分类，轴承故障实验数据表明：该方法故障识别平均准确率在98.71%以上；与单一域特征相比，该方法对故障类型和损伤程度识别效果更佳。

关键词：滚动轴承;变分模态分解;能量熵;麻雀搜索算法;支持向量机

基金资助：中央引导地方科技发展资金项目(YDZJSX2021A023)；国家自然科学基金面上项目(52174147)；晋中市科技重点研发计划项目(Y211017)