基于变分模态分解和混沌麻雀搜索算法优化支持向量机的滚动轴承故障诊断

• 作者: 陈鑫 肖明清 文斌成 刘双喜 田小峰 仇晨阳
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 变分模态分解 麻雀搜索算法 混沌 支持向量机
• 年，卷（期）: 2021,（z2）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 118-123
• 页数: 6页
• 分类号: TP391.5
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021010153

摘要

针对滚动轴承振动信号中的故障特征难以提取的问题,提出一种基于变分模态分解(VMD)和混沌麻雀搜索算法(CSSA)优化支持向量机(SVM)的故障诊断方法.首先,利用VMD处理滚动轴承信号,提取本征模态分量(IMF)的能量谱和能量熵作为故障特征向量;其次,通过引入改进Tent混沌映射和自适应t分布策略,加入边界探索和警戒解除机制,对麻雀搜索算法(SSA)进行改进;最后,采用CSSA-SVM模型进行滚动轴承故障的识别和诊断.实验结果表明,CSSA-SVM模型能够有效识别滚动轴承的故障类型,拥有更高的诊断精度.