一种增强型的滚动轴承故障诊断
wf（2022）
Abstract
针对强背景噪声环境下,滚动轴承早期微弱故障特征难以准确提取的问题,提出一种参数优化的变分模态分解(VMD)和支持向量机(SVM)的故障诊断方法.先对轴承振动信号进行VMD分解,并以局部极大包络谱峰值因子作为适应度函数,利用粒子群寻优算法(PSO)对VMD的影响参数(惩罚因子α及分解个数K)进行自适应选择,获取包含故障特征的最佳模态分量;计算各个分量的指标特征,根据递归特征消除(RFE)方法筛选出能表征轴承运行状态的5个关键特征,构建故障特征向量组;将特征向量作为SVM的输入,轴承运行状态为输出,建立SVM轴承状态分类识别模型.通过西储大学平台轴承数据对算法进行验证,结果表明上述方法能够实现滚动轴承不同故障的准确识别.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined