基于改进SSA优化SVM的滚动轴承故障诊断方法

来源：计算机技术与发展杂志2024年第05期北京时间：

作者：唐浩漾;王亦凡;秦波;李哲

摘要：针对支持向量机分类模型在滚动轴承故障诊断中准确率较低的问题,提出了一种基于改进麻雀搜索算法(Sparrow Search Algorithm,SSA)优化支持向量机(Support Vector Machine,SVM)的滚动轴承故障诊断方法。 首先,利用小波变换对滚动轴承信号进行去噪处理,将去噪后的信号进行小波包分解以提取对应故障特征;其次,引入改进樽海鞘觅食机制对麻雀搜索算法进行优化,防止算法向原点收敛,并加入自适应莱维飞行策略和精英反向系数,增强算法跳出局部最优的能力;最后,采用改进后的麻雀算法优化支持向量机参数,构建改进 SSA 优化 SVM 的故障诊断模型,提高故障分类效果。 应用美国西储大学提供的轴承数据集进行仿真实验,实验结果表明,所提方法的故障诊断效果好于 PSO-SVM、GWO-SVM、SSA-SVM、tSSA-SVM 等常规模型,能有效提取滚动轴承故障特征,具有较高的故障诊断精度。

关键词：故障诊断;滚动轴承;支持向量机;改进麻雀搜索算法;樽海鞘觅食机制