噪声与振动控制 ›› 2022, Vol. 42 ›› Issue (4): 100-106.

• 信号处理与故障诊断 • 上一篇    下一篇

麻雀算法参数优化VMD联合K-SVD的滚动轴承故障诊断

褚惟1,王贵勇2,刘韬1,王振亚1   

  1. ( 1. 昆明理工大学机电工程学院,昆明650500;2. 内蒙古第一机械集团有限公司,内蒙古包头014000 )
  • 收稿日期:2021-06-24 修回日期:2021-10-05 出版日期:2022-08-18 发布日期:2022-08-18

  • Received:2021-06-24 Revised:2021-10-05 Online:2022-08-18 Published:2022-08-18

摘要: 针对经典K-均值奇异值分解(K-means Singular Value Decomposition,K-SVD)易受噪声干扰产生虚假原子,导致信号稀疏不彻底、故障特征识别困难的问题,提出基于麻雀算法优化变分模态分解(Variational Modal Decomposition,VMD) 参数联合K-SVD的滚动轴承故障诊断方法。首先引入包络熵适应度函数指标并基于麻雀算法优化VMD的模态层数k 和平衡因子α。其次利用平方包络谱峭度指标遴选最优模态,以所选模态分量相空间构造Hankel 矩阵进行K-SVD字典学习。最后对恢复至时间序列的稀疏重构信号进行包络解调,提取轴承故障特征频率。通过轴承故障仿真信号和全寿命实验信号进行验证,证明相较于经典K-SVD算法,所提方法在低信噪比条件下在轴承故障特征提取方面具有优势,有一定的工程应用价值。

关键词: 故障诊断, K-SVD, VMD, 麻雀算法, 平方包络谱峭度