CMFDE和MSIDBO-SVM在滚动轴承故障诊断中的应用

摘要

针对滚动轴承故障特征信息提取困难导致故障诊断准确率较低的问题，提出基于复合多尺度模糊散布熵(CMFDE)和改进蜣螂优化算法(MSIDBO)优化支持向量机(SVM)的轴承故障诊断方法。针对蜣螂优化算法(DBO)种群多样性差易陷入局部最优，引入多种策略改进DBO算法。采用DBO对变分模态分解(VMD)进行参数优化，利用优化后的VMD将信号分解成多个本征模态分量(IMF),再根据综合指标筛选IMF。计算筛选后IMF的CMFDE值，并将其作为MSIDBO-SVM模型的输入向量。采用美国凯斯西储大学轴承数据集和SpectraQuest实验台轴承数据集进行验证，结果表明，MSIDBO-SVM模型准确率分别为98.89%和97.78%,验证了所提方法的有效性和泛化能力。

关键词

熵权法-TOPSIS / 复合多尺度模糊散布熵 / 改进蜣螂优化算法 / 支持向量机 / 故障诊断