一种IMNGO-VMD小样本数据下的轴承故障识别方法

针对滚动轴承发生故障时信息提取不充分、可用故障样本少等问题,文章提出一种改进的北方苍鹰优化算法(IMNGO)来优化变分模态分解(VMD)和支持向量机(SVM)进行小样本的轴承故障识别。首先使用云平台采集实验数据,然后利用IMNGO算法对VMD进行参数优化找到最佳的本征模态分量(IMF),构建特征向量能量谱和主元贡献图筛选最佳的IMF分量。然后将提取的特征信息导入到IMNGO优化后的SVM中进行轴承的小样本检测识别。经过IMNGO优化后,单工况下的识别准确率达到了99.20%,复杂工况下的识别准确率达到了94.45%。小样本数据下,文章提出的方法相对于传统的检测方法识别准确率有了大幅提升。