基于時域優(yōu)選的 VMD—SVM 滾動軸承故障分類識別方法研究

打開文本圖片集

摘要：針對滾動軸承早期故障特征提取較難以及時域特征選取存在局限性的問題，提出一種基于時域優(yōu)選的VMD—SVM滾動軸承故障分類識別方法，采用變分模態(tài)分解（VMD）和最小包絡(luò)熵法將故障信號分解成合適數(shù)量的本征模態(tài)分量（IMF），用峭度指標(biāo)和相關(guān)性系數(shù)篩選出敏感分量，基于40個時域特征指標(biāo)對敏感分量進(jìn)行初步特征提取，用相關(guān)性分析優(yōu)選出特征指標(biāo)進(jìn)行二次特征提取，提取得到的特征向量輸入至支持向量機(jī)（SVM），用網(wǎng)格搜索和交叉驗(yàn)證方法確定最佳超參數(shù)后進(jìn)行模型訓(xùn)練以及軸承故障分類識別.分別與經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）、集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）方法比較，VMD—SVM方法準(zhǔn)確率達(dá)（99±0.12）%，而EMD—SVM、EEMD—SVM方法準(zhǔn)確率分別為（84±0.17）%、（89±0.1）%.結(jié)果表明本方法能夠較高精度地分類識別不同工況下的滾動軸承狀態(tài)。（剩余9088字）