滚动轴承制造精度振动测试模型构建方法研究

作者：吕荣水; 张克典; 鲁殿君; 李智皓

来源：工程机械, 2023, 54(12): 80-10.

• 变分模态分解
• 粒子群优化算法
• 多尺度排列熵
• 支持向量机
• 滚动轴承

滚动轴承的振动是非常复杂的随机机械现象，在轴承制造过程中，常采用振动测试作为其质量评判标准，其关键技术是振动信号的分析。针对滚动轴承制造质量测试过程中振动信号的分解和判别模型构建问题，提出基于粒子群优化算法（PSO）的滚动轴承振动信号的变分模态分解（VMD）和支持向量机（SVM）判别模型构建方法。首先，采用自动测振仪对不同精度等级的轴承振动信号进行采集；其次，对振动信号进行VMD分析，以变分后的有限带宽模态函数（IMF）与原信号的相关系数ρ为适应度函数对VMD参数中的模态分解个数K和二次惩罚项α进行优化；然后，根据各模态的中心频率与其原始信号的相关性对模态分量进行优选和信号重构，并计算重构信号的多尺度排列熵（MPE）特征；最后，采用PSO算法对支持向量机（SVM）模型的惩罚参数c和核函数参数g进行优化，建立滚动轴承质量实时分析的SVM判别模型。试验结果表明：经PSO优化后的VMD-MPE-SVM模型对轴承制造精度的正确判别率为95.00%。研究结果可为滚动轴承制造过程中产品精度实时全检提供一种参考方法。