基于变分模态分解和PSO-SVM的起重机齿轮箱故障诊断
杨武帮1
高丙朋1
陈飞2
张兴合1
马伟栋1
1.新疆大学 电气工程学院,新疆 乌鲁木齐 8300472.新疆维吾尔自治区特种设备检验研究院,新疆 乌鲁木齐 830011
摘要：起重机齿轮箱的振动信号具有信噪比低、非线性的特点,需要一定的专业知识和经验才能实现故障诊断.为了实现起重机齿轮箱的智能故障诊断,提出了一种基于变分模态分解(Variation?al modal decomposition,VMD)改进小波降噪和粒子群算法(Particle swarm optimization,PSO)优化支持向量机(Support vector machine,SVM)的智能故障诊断方法.首先,利用VMD将振动信号分解,得到不同尺度的本征模态函数(Intrinsic mode function,IMF),将分解的高频分量进行改进小波降噪后和低频分量完成信号重构;然后,提取重构信号的特征参数构建特征向量,使用核主分量分析(Ker?nel principal component analysis,KPCA)对向量降维处理实现特征信息融合;最后,利用PSO优化后的SVM进行故障识别分类.实验验证表明,基于VMD改进小波信号预处理和PSO算法优化SVM的模型具有很高的识别准确率,能够有效、准确地对起重机齿轮箱的故障类型进行识别和分类.
关键词：起重机齿轮箱变分模态分解小波分解粒子群算法支持向量机
资助基金：新疆维吾尔自治区项目(2019D01C079)
论文发表日期：2021-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 105-111 )
英文信息