基于变分模态分解和精细复合多尺度均值散布熵的轴承故障诊断

作者：张婕; 张梅; 陈万利

来源：机电工程, 2022, 1-10.

• 轴承故障诊断
• 变分模态分解
• 精细复合多尺度均值散布熵
• 鲸鱼算法
• 支持向量机
• 超参数寻优

为充分提取非线性、非平稳的轴承故障信号特征信息，进而提高轴承故障诊断精度，提出了一种基于变分模态分解（VMD）和精细复合多尺度均值散布熵（RCMMDE）的轴承故障诊断方法（算法）。首先，使用VMD将轴承故障振动信号分解为了多个模态分量，通过评估原信号与模态分量信号的互相关程度，筛选了其有效模态，并对其进行了信号重构，实现了故障信号的降噪处理；然后，使用精细复合均值化代替了传统粗粒化方法，利用RCMMDE方法提取了重构信号的多尺度熵值，构成了特征样本集；最后，通过鲸鱼算法（WOA）对支持向量机（SVM） 的超参数寻优，构建了最优的故障检测模型，将特征样本集输入到WOA-SVM模型中进行了轴承故障诊断，并通过实验评估验证了模型的有效性。研究结果表明：该模型准确率达到99.67%，精确率、召回率等各项性能指标均在99%以上，并具有很强的鲁棒性。

• 单位
  安徽理工大学