关键词:
滚动轴承
变分模态分解
麻雀搜索算法
峭度值
近似熵
信号重构
摘要:
针对滚动轴承在强噪声中提取故障信号频率的时候,变分模态分解(VMD)中模态分量k和惩罚因子α难以确定的问题,提出麻雀优化算法(SSA)与变分模态分解相结合的滚动轴承故障诊断方法。首先,SSA以包络熵为适应度函数来自主搜寻最优解,得到最优参数组合[k, α]。其次,利用优化的参数组合对VMD进行故障信号分解,得到若干本征模态分量(IMF)。最后,通过计算模态分量的峭度值和近似熵来筛选出符合需求的分量进行重构,从而得到最优的降噪信号,根据重构信号的包络谱来得出故障频率。仿真和实验结果表明,上述方法可以得出最优的参数组合,并且很准确的提取故障频率,实现滚动轴承的故障诊断。