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