基于参数优化VMD-KPCA和BP网络的齿轮故障诊断方法

摘要

针对噪声环境下难以提取齿轮故障特征、诊断准确率低的问题，提出了一种将基于综合评价指标的变分模态分解（variational mode decomposition,VMD）参数寻优、核主成分分析（kernel principal component analysis,KPCA）特征融合和BP网络相结合的齿轮故障诊断方法。首先，为了有效评价VMD分解后的各固有模态函数（intrinsic mode function,IMF）分量及避免变分模态分解需要人为设定相关参数的问题，设计了一种基于包络熵与峭度的综合评价指标，用于建立VMD参数寻优中的适应度函数及筛选最优IMF分量；其次，按最优参数进行VMD分解后对最优IMF分量提取多域特征集，再利用KPCA模型对其进行特征的融合；最后，通过BP网络模型进行故障诊断。实验表明，与其他传统方法相比，在相同实验条件下该方法提高了齿轮故障的识别率，准确率高达98%，证明了该方法的有效性。

关键词

齿轮故障诊断 / 综合评价指标 / 变分模态分解 / 鲸鱼优化算法 / BP网络