机械设计与研究

机械设计与研究 ›› 2019, Vol. 35 ›› Issue (06): 96-104.doi: 10.13952/j.cnki.jofmdr.a5054

• 论文 • 上一篇    下一篇

基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断

张龙;宋成洋;邹友军;崔路瑶;雷兵;   

  1. 华东交通大学机电与车辆工程学院;
  • 出版日期:2019-12-20 发布日期:2019-12-20

  • Online:2019-12-20 Published:2019-12-20

摘要： 滚动轴承处于早期故障阶段时,故障冲击特征成分难以提取,为了从轴承故障振动信号中提取特征参数,对轴承故障振动信号进行变分模态分解(Variational Mode Decomposition,VMD),得到若干个本征模态分量(IMFs),计算各个IMF的能量熵与样本熵,并利用主成分分析方法(PCA)对其进行特征融合。最后利用粒子群算法(PSO)优化的支持向量机(SVM)对融合特征进行故障模式识别。轴承故障实验分析结果表明,所提方法能够有效实现滚动轴承故障诊断。

关键词: 变分模态分解, 样本熵, 支持向量机, 粒子群算法, 故障诊断

Key words: variational mode decomposition, sample entropy, support vector machine, PSO, fault diagnosis