针对早期滚动轴承故障诊断准确率低、信号特性不平稳且难以获取大量样本等问题，提出基于最大相关峭度解卷积（MCKD）、乌燕鸥算法优化变分模态分解（STOA-VMD）和粒子群算法优化支持向量机（PSO-SVM）的滚动轴承故障诊断模型。首先使用MCKD处理信号提高信噪比，再通过STOA-VMD对信号进行分解，特征参量选用均方根熵值，输入PSO-SVM实现故障分类，并由实验和仿真验证了该方法可使故障诊断准确率明显提高。
科研之友
微信
新浪微博
Facebook
分享链接
