基于EEMD-IGWO-SVM的电机轴承故障诊断

作     者：张涛 杨旭 李玉梅 郭鹤 石广远 陈学勇 ZHANG Tao;YANG Xu;LI Yumei;GUO He;SHI Guangyuan;CHEN Xueyong

作者机构：北京信息科技大学高动态导航技术北京市重点实验室北京100101 北京信息科技大学现代测控技术教育部重点实验室北京100101 中国石油华北油田公司第三采油厂河北河间062550 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2024年第52卷第10期

页      面：174-181页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金重大科研仪器项目(52227804) 国家自然科学基金面上项目(52274003) 北京市教育委员会科学研究计划项目(KM202111232004) 

主　　题：电机 故障诊断 支持向量机 改进灰狼优化算法 

摘      要：针对电机轴承易发生损坏、传统诊断方法耗时长且准确度低等问题,提出一种基于改进灰狼优化算法(IGWO)优化支持向量机(SVM)的电机轴承故障诊断方法。对电机振动数据进行集成经验模态分解(EEMD),提取出IMF能量矩作为特征向量,并结合IGWO-SVM分类器,构造电机轴承故障检测模型。在模型引入改进Tent混沌映射、非线性收敛因子、动态权重策略,得到改进的分类算法,该算法可以快速精准地寻找SVM的最优惩罚参数C和核参数γ。对电机轴承振动数据进行仿真实验,诊断结果表明该轴承故障方法平均准确率高达99.4%。最后通过实验验证提出的诊断方法具有良好的算法稳定性和抗噪性能,可有效提高故障诊断精度。