基于VMD-SVD与SSA-SVM的电梯导靴故障诊断

为有效提取电梯导靴故障信号特征以及提高故障识别率,提出变分模态分解(VMD)、奇异值分解(SVD)与麻雀搜索算法优化支持向量机(SSA-SVM)相结合的电梯导靴故障诊断方法。首先用VMD算法分解电梯导靴振动信号,利用所得分量构建特征矩阵,再应用SVD理论提取特征矩阵的奇异值序列;用麻雀搜索算法(SSA)优化支持向量机相关参数,将奇异序列作为特征值输入到SSA-SVM模型,对导靴故障进行识别。结果表明该方法不仅消除了信号分解时的模态混叠现象且有效提取了故障导靴的特征,相比于EMD结合SVM的方法,导靴故障诊断识别率提高了10%。