基于ICEEMDAN和PSO-LSSVM的滚动轴承故障诊断方法研究
来源：计算机测量与控制杂志2024年第8期北京时间：
作者：郑立朝,宋宏志,顾启林,章宝玲,安宏鑫,张瀚阳,别锋锋
单位：中海油田服务股份有限公司油田生产事业部
摘要：针对滚动轴承疲劳故障振动信号具有能量弱、特征稀疏等特点，提出了一种通过改进自适应噪声完备经验模态分解方法与粒子群优化的最小二乘支持向量机结合的故障识别方法。对轴承不同故障信号利用改进的自适应噪声完备经验模态算法分解为一系列固有模态函数分量；根据相关系数-方差贡献率准则筛选出最能表征原始信号状态的分量，并计算重构分量的奇异谱熵值构成特征向量；将提取的特征向量集合输入到基于粒子群优化的最小二乘支持向量机分类器中，进行模型的训练和故障模式的识别，与SVM和LSSVM分类器模型进行准确率和效率比较。试验结果表明，该方法在滚动轴承故障信号中能有效提取故障特征，准确率达98.75%，具有一定可靠性和实用性。
关键词：滚动轴承;ICEEMDAN分解;奇异谱熵;PSO-LSSVM;模式识别
基金资助：国家自然科学基金(52206041);中海油田服务股份有限公司项目(YSB22YF004)。
