基于ISCSO-SVM的滚动轴承故障诊断方法

摘要

为了解决滚动轴承故障特征难以区分及轴承故障诊断效果差等问题，文章提出一种基于改进沙猫群优化算法(ISCSO)优化支持向量机(SVM)的滚动轴承故障诊断方法.采用小波包变换提取滚动轴承振动信号各频带的能量值特征，归一化后作为特征值输入；针对SVM对惩罚因子和核函数参数的敏感性，引入Cubic混沌映射、螺旋搜索、麻雀警戒机制等策略来改进沙猫群优化算法，从而优化SVM的参数设置.将提取的特征值输入ISCSO-SVM进行模型训练并构建滚动轴承的故障诊断模型.试验结果表明，该方法能够有效识别滚动轴承的故障状态，在诊断模型中比其他优化算法表现出更高的准确率和稳定性.

关键词

滚动轴承 / 故障诊断 / 改进沙猫群算法 / 支持向量机 / 小波包变换

基金资助

国家自然科学基金(面上)项目(52375292); 南京工程学院创新基金面上项目(CKJB202301)