计量学报

作者：金江涛,许子非,李春,缪维跑,李根

单位：上海理工大学能源与动力工程学院,上海200093

关键词：计量学;智能故障诊断; 滚动轴承; 变分模态分解;能量熵;灰狼算法;支持向量机;优化

基金：国家自然科学基金(51976131,51676131);上海市“科技创新行动计划”地方院校能力建设项目(19060502200)

滚动轴承早期故障信号比较微弱,且受噪声与振动耦合影响,导致其故障判别失准。基于变分模态分解算法(VMD)与能量熵结合构建多模态特征矩阵,以灰狼算法(GWO)优化支持向量机(SVM)参数,提出VMD-Entropy-OSVM轴承智能故障诊断,采用轴承实验数据验证所提方法的有效性与优越性。实验结果表明:VMD-Entropy-OSVM不仅可识别轴承损伤末期的不同故障类型,且在识别损伤初期亦有较高准确度;在信噪比为8dB下准确率高达99.8%,比现有方法提高3.3%～27.3%;当信噪比为0dB下仍有73.5%的准确度,比现有方法提高11%～33%,该模型表现出良好的泛化性能;在相同计算资源下,所需运行时间更短,效率更高。

来源：2021年第7期

《计量学报》期刊编辑部

查看计量学报杂志2021年第7期