基于MIGA-VMD和t-SNE的轴承故障诊断方法

来源：机床与液压杂志2022年第2期北京时间：

作者：王双海，米大斌，芦浩，姜文，龚思远，梁涛

单位：河北建投能源投资股份有限公司；河北建设投资集团有限责任公司；河北工业大学人工智能与数据科学学院；河北建投能源投资股份有限公司；河北建设投资集团有限责任公司；河北工业大学人工智能与数据科学学院

摘要：针对从汽轮机轴承的非线性、非平稳振动信号中提取故障特征困难而导致诊断识别率低的问题,提出一种基于MIGA-VMD和排列熵、t-SNE的特征提取方法。变分模态分解(VMD)在轴承故障诊断中的分解效果很大程度上取决于分解个数和惩罚参数的选取。为实现VMD相关参数的最优选择，采用多岛遗传算法(MIGA)对VMD参数进行优化。利用参数优化的VMD将轴承原始振动信号分解为若干本征模态分量，计算与原始信号相关性较高的部分模态分量的排列熵构成故障特征，利用t-SNE方法进行降维得到低维特征向量并将其作为支持向量机分类器的输入，实现故障类型的诊断。将〖JP2〗该方法应用到轴承故障诊断中并与EMD+排列熵+t-SNE、EEMD+排列熵+t-SNE、LMD+排列熵+t-SNE、传统VMD+排列熵+〖JP〗t-SNE四种特征提取方法进行对比。实验结果表明：该方法能更准确地提取轴承的故障特征，有效实现轴承的故障诊断。

关键词：变分模态分解;多岛遗传算法;排列熵;t-SNE;故障诊断

基金资助：河北省科技支撑计划资助项目(19210108D)