[1]赵德宏,李永利.基于GA-VMD分解与支持向量机的刀具故障诊断研究[J].沈阳建筑大学学报(自科版),2024,(2):361-371.[doi:10.11717/j.issn:2095-1922.2024.02.20]
点击复制
基于GA-VMD分解与支持向量机的刀具故障诊断研究(
)
《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]
- 卷:
-
- 期数:
-
2024年第2期
- 页码:
-
361-371
- 栏目:
-
机械工程
- 出版日期:
-
2024-04-18
文章信息/Info
- 作者:
-
赵德宏; 李永利
-
- 关键词:
-
VMD; 特征提取; 支持向量机; 故障诊断
- DOI:
-
10.11717/j.issn:2095-1922.2024.02.20
- 摘要:
-
目的 研究非平稳性振动信号的分解方法，提出一种基于遗传算法优化后的变分模态分解方法（GA-VMD），提高刀具故障识别准确率。方法 以样本熵为目标函数值，利用遗传算法对样本熵进行迭代计算，得到变分模态分解的最佳分解层数k和惩罚系数α；在此基础上，对刀具振动信号进行分解，并提取刀具故障特征，再利用近邻成分分析（NCA）对故障特征进行筛选，得到与刀具故障状态相关性较强的特征；最后将筛选后的故障特征输入到PSO-SVM分类模型中进行刀具故障诊断。结果 相较于PSO-VMD分解方法，在相同迭代次数下，GA-VMD分解方法对于刀具故障分类的准确率由92%提升至97%。结论 优化后的VMD分解方法降噪效果明显，能提取较好的刀具故障特征，刀具故障识别准确率有了明显提高，为信号分解层数以及刀具故障诊断提供了理论基础。
更新日期/Last Update:
2024-04-18