基于ISSA-VMD的滚动轴承早期故障诊断方法

作者：刘玉明,刘自然,王鹏博. 日期：2023-10-30/span> 浏览：1105 查看PDF文档

摘要:针对滚动轴承早期信号微弱导致故障特征难以提取和故障诊断准确率不高的问题,提出了一种基于改进麻雀搜索算法-变分模态分解(ISSA-VMD)和样本熵(SE)的滚动轴承早期故障特征提取方法。首先,在轴承早期故障诊断过程中,模态分解个数和惩罚因子的选择对变分模态分解（VMD）的分解效果有着很大的影响,为消除人为选择参数的影响,将麻雀搜索算法(SSA)优化为改进麻雀搜索算法(ISSA),利用ISSA参数优化后的VMD方法对信号进行了分解;然后,计算了敏感固有模态函数(IMF)分量的样本熵,构成了特征向量;最后,将特征向量作为支持向量机(SVM)的输入,进行了滚动轴承早期故障类型的识别。研究结果表明:ISSA-VMD+样本熵特征提取模型的故障诊断准确率为98.3%,与SSAVMD+样本熵、灰狼优化算法(GWO)-VMD+样本熵、鲸鱼优化算法(WOA)VMD+样本熵、传统VMD+样本熵、经验模态分解(EMD)+样本熵等特征提取模型相比,故障诊断准确率分别提高了3.3%、6.6%、5%、3.3%、5%;该模型可以准确地提取故障特征,提高故障诊断准确率。

关键词:轴承早期故障;故障特征提取;改进麻雀搜索算法-变分模态分解;样本熵;支持向量机;经验模态分解

中图分类号:TH133.3;TH17文献标识码:A文章编号:1001-4551(2023)09-1426-07



本文引用格式:

刘玉明,刘自然,王鹏博.基于ISSA-VMD的滚动轴承早期故障诊断方法［J］.机电工程,2023,40(9):1426-1432.

LIU Yuming, LIU Ziran, WANG Pengbo. Early fault diagnosis method of rolling bearing based on ISSA-VMD［J］.Journal of Mechanical & Electrical Engineering, 2023,40(9):1426-1432.