基于增强型HBA算法优化SVM模型的机械故障诊断方法

来源：计算机测量与控制杂志2026年第5期北京时间：

作者：刘凤祥

单位：中石油云南石化有限公司

摘要：机械设备振动信号的复杂性及其复杂的环境因素导致其故障的准确诊断难度较高。为此，提出一种增强型蜜獾算法优化支持向量机模型SVM的故障诊断算法EHBA-SVM。为了提高蜜獾算法对目标问题的搜索精度，设计Logistic混沌映射种群初始化提升初始解的多样性，引入黄金正弦策略解决算法全局搜索阶段的种群同质化问题，以增强全局搜索能力，同时设计自适应多向Levy飞行机制兼顾算法的全局搜索精度和收敛速度，以避免迭代后期易于陷入局部最优的不足。利用增强型HBA算法搜索支持向量机SVM模型的超参数组合(c,σ)，构建适用于机械故障诊断且泛化能力更强的EHBA-SVM模型。最后，通过旋转机械振动故障模拟实验平台进行实验分析，提取信号时域特征表征不同设备故障状态，同时利用主成分分析法对高维特征进行特征降维，减少特征冗余与噪声干扰。结果表明，与同类模型相比，EHBA-SVM模型在故障类型诊断与分类上具有更高的准确率和诊断效率，为复杂工况环境下的故障诊断提供了一种可行方案。

关键词：故障诊断;支持向量机;主成分分析;蜜獾优化算法;黄金正弦

基金资助：新一代人工智能科技专项基金(2022ZD0117105)