基于SVD-VMD和SVM滚动轴承故障诊断方法

作     者：陈剑 阚东 孙太华 张磊 Chen Jian;Kan Dong;Sun Taihua;Zhang Lei

作者机构：合肥工业大学噪声振动研究所合肥230009 安徽省汽车NVH技术研究中心合肥230009 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2022年第36卷第1期

页      面：220-226页

核心收录：

学科分类：08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金青年基金(11604070) 安徽省科技重大专项(17030901049)项目资助 

主　　题：故障诊断 奇异值峰度差分谱 变分模态分解 故障特征提取 信号降噪 

摘      要：针对故障滚动轴承振动信号中含有干扰信号,难以准确提取出故障信息,提出了一种基于奇异值分解(SVD)、变分模态分解(VMD)、和支持向量机(SVM)的滚动轴承故障诊断方法。首先利用奇异值分解对信号进行处理,根据奇异值峰度差分谱来确定分解后重构矩阵的有效阶数,然后根据该有效阶数重构信号,对重构后的信号进行VMD分解,根据上述有效阶数确定分解的本征模态函数(IMF)分量的个数,从分解后的IMF分量中提取故障特征参数,将其作为支持向量机的输入参数进行故障诊断。最后采用合肥工业大学轴承试验机进行验证,并与直接进VMD分解及基于带通滤波器信号去噪的故障诊断方法进行对比,结果表明该方法能有效识别滚动轴承的故障类型,可用于滚动轴承故障诊断。