基于参数联合优化VMD-SVM的工业机器人旋转部件故障诊断方法

摘要：

针对因工业机器人旋转部件故障诊断模型最优参数难以自适应确定导致故障识别率低的问题,提出了一种参数联合优化的VMD-SVM的工业机器人旋转部件故障诊断方法;提出了一种基于遗传变异的改进灰狼算法,该算法采用Logistic混沌映射进行种群初始化,将非线性因子引入位置更新公式,并利用遗传变异策略解决算法陷入局部最优时的停滞现象;基于该算法对VMD和SVM进行参数联合优化;利用参数优化的VMD对故障信号进行分解,对所得的本征模态函数计算改进样本熵以构成特征向量,再输入至参数优化的SVM完成工业机器人旋转部件的故障诊断;仿真和实验结果表明,文章方法能够准确地进行故障诊断,在信号无噪和含噪的条件下准确率最高均达100％,较EMD、LMD、DTCWT、VMD等4种方法具有更优的指标.

关键词：故障诊断、变分模态分解、支持向量机、灰狼算法、工业机器人

所属期刊栏目：31

分类号：TH133.3

资助基金：国家重点研发计划2017FYB1303704

在线出版日期：2023-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：62-72