噪声与振动控制 ›› 2025, Vol. 45 ›› Issue (1): 119-125.

• 信号处理与故障诊断 • 上一篇    下一篇

基于最优模态分量包络谱的滚动轴承故障诊断

钱虹1, 2,徐军1,祁云杰1   

  1. (1. 上海电力大学自动化工程学院,上海200090;
    2. 上海电力大学上海市电站自动化技术重点实验室,上海200090)
  • 收稿日期:2023-07-18 修回日期:2023-11-02 出版日期:2025-02-18 发布日期:2025-02-07

Fault Diagnosis of Rolling Bearings Based on Optimal Modal Component Envelope Spectrum

  • Received:2023-07-18 Revised:2023-11-02 Online:2025-02-18 Published:2025-02-07

摘要: 针对工业领域设备例如泵和风机组中滚动轴承最优模态分量包络谱难以提取导致故障诊断精度低的问题,提出一种基于麻雀优化算法、变分模态分解算法与XGBoost 分类器(SSA-VMD-XGBoost)的滚动轴承故障诊断方法。首先,以全局最小包络熵值为目标,利用麻雀优化算法(Sparrow Search Algorithm,SSA)对变分模态分解算法(Variational Mode Decomposition,VMD)的分解层数和惩罚因子进行寻优,根据最优结果利用变分模态分解算法对原始振动信号进行处理;然后,结合包络熵理论筛选出最优模态分量,并对其进行包络解调运算,得到低频包络谱值组成故障特征集;最后,基于XGBoost(eXtreme Gradient Boosting)分类器,对获取的样本故障集进行精确分类,实现对滚动轴承的故障诊断。试验结果表明采用该方法可以有效提取滚动轴承在不同状态下的故障特征,并且可以实现滚动轴承的高精度故障诊断。

关键词: 故障诊断, 滚动轴承, 特征提取, 麻雀优化算法, 变分模态分解