CEEMDAN-FuzzyEn-PPCA与IWOA-SVM优化的轴承故障诊断

摘要

针对滚动轴承故障问题,提出一种基于CEEMDAN-FuzzyEn-PPCA的特征提取方法和一种IWOA-SVM优化模型用于轴承故障诊断。首先,使用自适应白噪声的完整集成经验模态分解方法(CEEMDAN)对振动信息进行消噪与分解,得到若干个平稳的IMF模态分量;其次,提取模糊熵(FuzzyEn)值,进行概率主成分分析(PPCA)特征处理,作为支持向量机(SVM)的输入;最后,在用样本训练SVM时,采用改进鲸鱼优化算法(IWOA)对惩罚参数C和径向基核函数参数σ进行寻优,实现对滚动轴承故障类型的辨识。研究结果表明:与GA-SVM、PSO-SVM、WOA-SVM相比,基于CEEMDANFuzzyEn-PPCA与IWOA-SVM优化的轴承故障诊断模型能以更快的收敛速度和更高的准确率达到全局最优,具有较强的工程实用性。