基于DIGWO-VMD-CMPE的轴承故障识别方法

作者：辛昊; 鲁玉军^*; 朱轩逸

来源：机电工程, 2023, 1-14.

• 基于维度学习的改进灰狼优化算法
• 变分模态分解
• 复合多尺度排列熵
• 支持向量机
• 本征模态函数
• 基于维度学习的狩猎

针对滚动轴承故障信号特征提取困难和识别准确率低的问题，提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解（VMD）和复合多尺度排列熵（CMPE）的轴承故障识别方法。首先，采用基于维度学习的狩猎（DLH）搜索策略、余弦收敛因子a和个体狼ω位置更新的方法将灰狼优化算法（GWO）改进为DIGWO，并利用DIGWO算法的自适应性优化VMD分解，得到了多个本征模态函数（IMFs）；然后，利用复合多尺度排列熵计算IMFs的特征值，选取适当维数的特征，构建了故障特征向量；最后，利用DIGWO算法优化支持向量机（SVM）的惩罚系数C和径向基函数g，建立了DIGWO-SVM滚动轴承故障诊断分类器，并利用滚动轴承的振动数据验证了算法的有效性。研究结果表明：基于CMPE的DIGWO-SVM滚动轴承故障诊断方法能够有效地识别轴承的运行状况，识别准确率达到了99.42%，相较于PSO-SVM、SSA-SVM方法提高了7.75%、1.68%，证明了该方法的分类性能在滚动轴承故障诊断中更具优势。

• 单位
  浙江理工大学