粒化幅值感知排列熵和WOA-SVM的滚动轴承故障诊断

摘要

为充分挖掘振动信号的特征信息进而提升诊断精度,提出一种将模糊信息粒化、幅值感知排列熵(AAPE)和鲸鱼优化支持向量机(WOA-SVM)相结合的滚动轴承智能故障诊断方法.首先对轴承振动信号进行模糊信息粒化处理,得到包含最小特征Low、平均特征R和最大特征Up的3组信息粒子;然后利用AAPE量化信息粒子的故障特征信息构建特征向量;最后建立WOA-SVM分类器诊断识别故障类型.采用滚动轴承不同工况下的实验数据进行算法验证,分析结果表明,所提方法不仅能够精准实现轴承故障类型及故障程度的综合辨识,而且故障识别率优于所对比方法.