基于SSO优化VMD算法的齿轮箱状态监测及故障诊断

作者：王慧慧; 李超; 陈杰

来源：机械设计与研究, 2022, 38(06): 90-93.

DOI：10.13952/j.cnki.jofmdr.2022.0217

• 数据采集与监控
• 自动控制
• 状态监测
• 故障诊断
• 齿轮箱
• 模态分解

为了提高齿轮箱状态进行监测能力，通过麻雀搜索算法(SSO)优化模态分解(VMD)算法对其开展故障诊断控制分析。研究结果表明：选择的断齿信号作为测试对象，通过SSO-VMD算法实施降噪，采用SSO算法进行VMD参数寻优得[708,3],同时获得全局最优适应度为2.685 2,再对以上IMF分量实施重构，获得降噪故障信号。采用多源域特征提取方法达到了最大识别精度，为68.43%,相对尺寸、时域、频域等表现出了更优的提取性能。I-Imap算法达到了最大降维性能指标与最优故障识别性能，具备理想的多源域故障特征降维性能，对行星齿轮箱工况达到100%的高精度故障识别率，此模型满足有效性。该研究可以拓展到相关的自动控制领域，具有很好的推广应用价值。

• 单位
  盐城工业职业技术学院; 南京邮电大学