一种基于IOOA优化VMD-SVM的轴承故障诊断方法技术

本发明专利技术公开了一种基于IOOA优化VMD‑SVM的轴承故障诊断方法，该方法对OOA(Osprey Optimization Algorithm，鱼鹰优化算法)进行了改进，采用Bernoulli映射初始化种群，并引入了Tent扰动与高斯变异对种群中的最优个体进行变异操作；选取最小包络熵为适应度函数，使用IOOA优化VMD使得振动信号自适应分解，根据相关稀疏度指标筛选有效IMF(Intrinsic Mode Functions，本征模态函数)并重构信号，对重构后的信号提取敏感特征；选取错误率为适应度函数，使用IOOA优化SVM并对特征样本进行故障诊断。本发明专利技术解决了OOA收敛速度慢、易陷入局部最优解的问题，使用IOOA优化VMD并重构信号后，取得了显著的抗噪效果，通过IOOA优化故障诊断模型参数，避免了专家先验知识，提高了故障诊断精度。

【技术实现步骤摘要】

本专利技术涉及一种基于iooa优化vmd-svm的轴承故障诊断方法，属于机械设备运动部件故障诊断。

技术介绍

0、技术背景

1、滚动轴承是动力设备中的关键部件，对于设备的安全运行起着至关重要的作用。根据epri的报告，在各种电机故障中，轴承故障占41％。因此，准确识别电机轴承的运行状态，对于保障设备稳定运行、提高生产安全性具有重要意义。

2、故障诊断基本流程包括信号采集、特征提取、模型训练以及故障分类。信号采集可以从多个信息源头出发，包括振动、温度、声波、转速等。当电机轴承运行过程中发生故障时，会产生不同频率的周期性冲击，其振动信号中包含丰富的故障特征，因此基于振动信号的故障诊断方法得到了广泛的研究和应用。振动信号的采集常常会受到噪声的干扰，因此振动信号需要进行降噪处理。huang等提出了经验模态分解算法的降噪方法，将故障信号分解成多个imf分量，但emd存在模态混叠、过分解与欠分解等问题。vmd采用非递归的模态分解方法，减小了emd因递归分解产生的模态混叠，而且变分模态分解还带有自适应滤波的特点。vmd可以根据特定指标筛选模态分量本文档来自技高网...

【技术保护点】

1.一种基于IOOA优化VMD-SVM的轴承故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于IOOA优化VMD-SVM的轴承故障诊断方法，其特征在于，所述步骤1利用IOOA对VMD的分解模态数k和惩罚参数α优化，包括：

3.根据权利要求1所述的一种基于IOOA优化VMD-SVM的轴承故障诊断方法，其特征在于，所述的IOOA算法包括：

4.根据权利要求1所述的一种基于IOOA优化VMD-SVM的轴承故障诊断方法，其特征在于所述步骤2重构信号计算过程如下：

5.根据权利要求1所述的一种基于IOOA优化VMD-SVM的轴...

【技术特征摘要】

1.一种基于iooa优化vmd-svm的轴承故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于iooa优化vmd-svm的轴承故障诊断方法，其特征在于，所述步骤1利用iooa对vmd的分解模态数k和惩罚参数α优化，包括：

3.根据权利要求1所述的一种基于iooa优化vmd-svm的轴承故障诊断方法，其特征在于，所述的iooa算法包括：

4.根据权利要求1所述的一种基于iooa优化vmd-svm的轴承故障诊断方法，其特征在于所述步骤2重构信号计算过程如下：

5.根据权利要求1所述的一种基于iooa优化vmd-svm的轴承故障诊断方法，其特征在于，所述步骤2，每组振动信号样本长度为n，x(i)表示...

【专利技术属性】
技术研发人员：刘浏，罗燕洋，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：