基于GA优化的VMD-SVM识别角度头故障特征

摘要：

提出一种基于遗传算法优化的变分模态分解(variational mode decomposition,VMD)-支持向量机(support vector machine,SVM)方法来识别机床角度头故障特征.首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号的分解,得到各本征模态函数(IMF)后,求得对应的能量熵;然后通过SVM算法筛选出有效故障数据,再利用峭度和相关系数相结合的方法将其中的IMF筛选出来并重构信号;最后,对该信号作频谱分析,分析相关特征信息,识别并诊断出故障.根据仿真和实验结果,所提方法对于故障角度头的有效信号筛选正确率高,对于噪声抑制效果良好,特征提取快速有效,可用于机床故障诊断领域.

关键词：角度头、变分模态分解(VMD)、支持向量机(SVM)、遗传算法、特征识别

所属期刊栏目：49

分类号：TB533(声学工程)

资助基金：国家自然科学基金51975037

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：47-54