基于PSO优化VMD和SVM的转子碰摩识别

• 作者: 姜庆涛 曹怀 魏永合
• 来源期刊: 沈阳理工大学学报
• 学科: 工学
• 关键词: 转子碰摩程度 变分模态分解 支持向量机 粒子群优化算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 机械工程
• 页码范围: 42-47,81
• 页数: 7页
• 分类号: TH133
• 语种: 中文
• DOI: 10.3969/j.issn.1003-1251.2020.04.009

摘要

针对转子故障信号中存在非线性、非平稳性的特点,提出采用变分模态分解算法(Variational Mode Decomposition,VMD)对不同程度碰摩信号进行分解,并针对VMD中模态分量个数K、惩罚因子α两个重要参数需人为设定的问题,提出采用粒子群优化算法(Particle Swarm Optimization,PSO)对其进行优化,提高其信噪比,从而提取出更为准确的故障特征;采用支持向量机(Support Vector Machine,SVM)方法对转子碰摩程度进行识别,针对SVM模型中惩罚参数C和核函数参数σ的选取问题,采用PSO进行优化,以建立最优模型,提高识别准确率.通过实验验证,该方法能有效提取出不同程度转子碰磨信号的故障特征,且具有较高的识别率和实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏永合		33	151	6.0	10.0
2	曹怀		2	0	0.0	0.0
3	姜庆涛		1	0	0.0	0.0