基于参数优化VMD和峭度准则的齿轮故障诊断

针对盾构主减速机齿轮故障特征难以提取的问题,提出了一种基于参数优化变分模态分解(variational mode decomposition, VMD)和峭度准则的故障诊断方法。利用粒子群算法(particle swarm optimization, PSO),以最小平均包络熵为适应度函数来确定VMD算法的模态分量个数K及惩罚因子α的最佳组合;将原始振动信号利用[K,α]参数组合通过VMD分解成若干本征模态(intrinsic mode function, IMF)分量,根据峭度准则筛选出最佳和次最佳IMF分量进行重构,降低噪声干扰;最后,提取重构信号的时域和熵理论特征,利用粒子群优化支持向量机(PSO-SVM)和轻量级梯度提升机(LightGBM)进行故障识别分类。通过使用DDS试验台实测信号数据验证表明,该方法能够有效地提取齿轮故障特征,实现对齿轮故障类型的准确判定,验证了该方法的可行性和有效性。