噪声与振动控制

噪声与振动控制 ›› 2026, Vol. 46 ›› Issue (3): 124-130.

• 信号处理与故障诊断 • 上一篇    下一篇

基于ASFSSA-SVM的电机滚动轴承故障诊断

盛敬，孙涛，刘国满，吴树良，马欣   

  1. ( 南昌工程学院精密驱动与装备江西省重点实验室，南昌330099 )
  • 收稿日期:2025-02-27 修回日期:2025-04-21 出版日期:2026-06-18 发布日期:2026-06-10

Fault Diagnosis of Motor Rolling Bearings Based on ASFSSA-SVM

  • Received:2025-02-27 Revised:2025-04-21 Online:2026-06-18 Published:2026-06-10

PDF

摘要： 针对轴承振动信号中的故障特征难以提取、诊断准确率不高的问题，提出一种将在以自适应螺旋飞行麻雀搜索算法(Adaptive Spiral Flying Sparrow Search Algorithm，ASFSSA) 优化变分模态分解(Varational Mode Decomposition，VMD)的基础上所提取的特征向量作为输入，采用经自适应螺旋飞行麻雀搜索算法优化的支持向量机(Support Vector Machine，SVM)进行诊断识别的故障诊断模型。首先，通过ASFSSA 寻优变分模态分解的模态个数K以及惩罚参数，再利用VMD信号处理得到多个本征模态函数(Intrinsic Mode Function，IMF)分量，接着，以峭度值作为评价指标筛选出最优IMF分量，计算最优IMF分量的均值、方差、峰值、峰值因子、脉冲因子以及波形因子并将其作为特征量。最后根据ASFSSA-SVM模型进行故障识别。实验结果表明，该方法对于不同实验数据都具有出色的诊断效果。

关键词: 故障诊断, 滚动轴承, 优化支持向量机, 自适应螺旋飞行麻雀搜索算法