基于改进VMD与GS_SVM的轴承故障诊断

• 作者: 朱哈娜 刘慧明
• 来源期刊: 电子测量技术
• 关键词: 镜像延拓 变分模态分解 网格搜索算法 支持向量机 故障诊断
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 71-76
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004917

摘要

为实现滚动轴承故障的准确诊断,提出了一种基于改进变分模态分解(VMD)与网格搜索算法(GS)优化支持向量机(SVM)相结合的故障诊断方法.首先采用镜像延拓方法优化VMD以改善其端点效应,并用改进后的VMD方法对轴承振动信号进行分解,得到若干个本征模态分量(IMFs);然后采用GS算法对支持向量机的惩罚参数和核参数进行寻优,并用寻优得到的参数建立GS_SVM故障诊断模型,提取IMF的中心频率构成特征矩阵作为诊断模型的输入向量;最后利用凯斯西储大学的轴承数据进行测试,诊断准确率达100％,与未经优化的支持向量机、粒子群算法优化支持向量机(PSO_SVM)和遗传算法优化支持向量机(GA_SVM)进行对比,提出的方法在轴承故障诊断中更具优势.