基于参数优化VMD的轴承故障诊断方法研究

针对早期滚动轴承故障诊断准确率低、信号特性不平稳且难以获取大量样本等问题,提出基于最大相关峭度解卷积(MCKD)、乌燕鸥算法优化变分模态分解(STOA-VMD)和粒子群算法优化支持向量机(PSO-SVM)的滚动轴承故障诊断模型。首先使用MCKD处理信号提高信噪比,再通过STOA-VMD对信号进行分解,特征参量选用均方根熵值,输入PSO-SVM实现故障分类,并由实验和仿真验证了该方法可使故障诊断准确率明显提高。