FOA-WPT降噪和PSO-SVM在滚动轴承故障诊断中的应用

来源：机械与电子杂志2018年第12期北京时间：

作者：赵蕾;傅攀;胡龙飞;张思聪;石大磊

单位：(西南交通大学机械工程学院,四川 成都 610031)

摘要：在轴承故障诊断中，为了进一步提高诊断方法的自适应性和分类准确率，提出果蝇优化小波包降噪和粒子群支持向量机相结合的方法。利用果蝇算法对小波包降噪的阈值进行优化，结合粒子群算法在GCV算法下的错误率最低，得到SVM的最优惩罚参数和核函数参数，建立PSO-SVM分类模型，对4种工况下滚动轴承的10类故障进行分类。实验结果表明，使用FOA-WPT降噪后，信号有着更高的信噪比和更低的均方误差（MSE）；和粒子群支持向量机相结合的分类方法准确率达到89%，与未使用粒子群算法优化的SVM相比，提高了约8%，进一步证明了该方法可以实现滚动轴承的多分类故障诊断。

关键词：小波包降噪;果蝇优化算法;粒子群算法;支持向量机;故障诊断