灰狼算法优化VMD与SVM的滚动轴承故障诊断

摘要：

针对VMD模态分量K和惩罚因子α选取不当导致分解度较低以及SVM超参数设置较差导致故障诊断准确率低下的问题,提出一种基于GWO-VMD和GWO-SVM的滚动轴承故障诊断的方法.首先利用GWO对VMD进行寻优得到一系列固有模态分量(IMFs),分析并提取最优模态分量子集的中心频率以及能量构建故障诊断特征集,将提取的特征集输入SVM中进行分类,采用GWO对SVM惩罚因子C和核函数g进行优化.实验结果表明,GWO有较大的寻优能量,通过VMD分解后得到高质量分量,并且GWO应用于SVM时仅需1.028 s便能达到最佳适应度值,且分类准确率可达99.78％.

关键词：轴承故障、灰狼算法、VMD、收敛性、迭代

所属期刊栏目：60

分类号：TH133.33

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：88-92