基于改进SSA算法和SR的滚动轴承故障特征提取

摘要

针对随机共振(Stochastic Resonance, SR)系统参数选择困难，麻雀搜索算法(Sparrow Search Algorithm, SSA)难以跳出局部最优、收敛精度不高等问题，提出了一种基于鱼鹰优化算法中的定位和捕鱼机制以及逐维差分变异混合策略改进麻雀搜索算法(Osprey Dimension-wise Sparrow Search Algorithm, ODSSA)自适应SR系统.利用尺度变换的方法突破SR系统只能检测小信号的壁垒，将改进信噪比(Improve Signal-to-Noise Ratio, ISNR)作为适应度函数，对故障信号进行增强和特征提取.利用凯斯西储大学轴承故障数据集进行仿真实验，验证了该方法的有效性.实验结果显示，故障频率处的幅值由0.003 dB增强至0.197 dB,提升了65.67倍，该方法具备模型简单、精确度高和可靠性强等优点，能够有效实现对轴承故障频率的提取.

关键词

随机共振 / 尺度变换 / 鱼鹰优化算法 / 改进信噪比 / 特征提取