基于DIGWO-VMD-CMPE的轴承故障识别方法

作者：辛昊,鲁玉军,朱轩逸. 日期：2024-03-06/span> 浏览：1332 查看PDF文档

基于DIGWO-VMD-CMPE的轴承故障识别方法

*辛昊1,2,鲁玉军1*,朱轩逸1,2

摘要:针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因子a和个体狼ω位置更新的方法将灰狼优化算法(GWO)改进为DIGWO,并利用DIGWO算法的自适应性优化VMD分解,得到了多个本征模态函数(IMFs);然后,利用复合多尺度排列熵计算IMFs的特征值,选取适当维数的特征,构建了故障特征向量;最后,利用DIGWO算法优化支持向量机(SVM)的惩罚系数C和径向基函数g,建立了DIGWOSVM滚动轴承故障诊断分类器,并利用滚动轴承的振动数据验证了算法的有效性。研究结果表明:基于CMPE的DIGWOSVM滚动轴承故障诊断方法能够有效地识别轴承的运行状况,识别准确率达到了99.42%,相较于PSO-SVM、SSA-SVM方法提高了7.75%、1.68%,证明了该方法的分类性能在滚动轴承故障诊断中更具优势。
关键词:基于维度学习的改进灰狼优化算法;变分模态分解;复合多尺度排列熵;支持向量机;本征模态函数;基于维度学习的狩猎
中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2024)02-0205-11

本文引用格式:
辛昊,鲁玉军,朱轩逸.基于DIGWO-VMD-CMPE的轴承故障识别方法［J］.机电工程,2024,40(2):205-215.
XIN Hao, LU Yujun, ZHU Xuanyi. Bearing fault identification based on DIGWO-VMD-CMPE［J］.Journal of Mechanical & Electrical Engineering, 2024,40(2):205-215.