基于鲸鱼算法优化LSSVM的滚动轴承故障诊断

摘要：

针对轴承振动信号中的故障特征难以提取的问题,提出一种基于改进的鲸鱼算法优化最小二乘支持向量机(least square support vector machine,LSSVM)的故障分类方法.首先,利用变分模态分解(variational mode decomposition,VMD)对原始信号进行分解,使用中心频率法解决VMD中分解参数K值的选取问题;其次,计算每个IMF分量的多尺度排列熵值,提取信号故障特征;再次,针对鲸鱼算法(whale optimization algorithm,WOA)收敛速度慢和精度低的问题,引入冯诺依曼拓扑结构和自适应权重进行改进,可以适当地调整全局搜索能力和局部搜索能力之间的平衡;最后,采用改进后的鲸鱼算法优化LSSVM核函数的参数和惩罚因子,建立滚动轴承故障诊断模型,并利用美国凯斯西储大学提供的轴承数据集进行仿真实验.实验结果表明,所提方法的故障分类性能更好,准确率更高.

关键词：滚动轴承;故障诊断;变分模态分解;多尺度排列熵;最小二乘支持向量机;鲸鱼算法

所属期刊栏目：37

分类号：TP273(自动化技术及设备)

在线出版日期：2021-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：230-236