基于VMD-LSTM的滚动轴承退化状态识别

针对滚动轴承退化信号的非平稳、非线性特点以及全寿命退化状态难以有效识别的问题,提出一种基于变分模态分解(VMD)和长短时记忆神经网络(LSTM)相结合的滚动轴承退化状态识别方法。该方法首先采用麻雀搜索算法(SSA)对VMD的两个参数(模态分量个数和惩罚因子)进行优化;然后将滚动轴承振动信号分解成若干个本征模态函数(IMF),再根据皮尔逊相关系数选择VMD分解得到的敏感IMF分量,对其重构后进行特征提取;最后将多维退化特征输入LSTM模型训练,建立退化状态模型。实验结果表明该方法能够准确识别轴承的退化状态,验证了该方法的优越性。