基于SABO-VMD结合IGWO-SVM的风力机轴承故障诊断

王 堃阳, 张 皓程
华北水利水电大学电气工程学院

摘要


针对风力发电机滚动轴承的振动信号存在差异，诊断准确率较低的问题，首先提出一种减法平均器优化算
法（Subtraction-Average-Based Optimizer，SABO）对VMD进行参数寻优，进而获得更好的特征提取效果。后使用
改进灰狼算法（Improved grey wolf Optimizer，IGWO）对 SVM进行参数寻优，得到更好的故障诊断效果的方法。最
后将所提出的 SABO-VMD与 IGWO-SVM相结合，针对轴承振动信号对实际滚动轴承进行故障诊断。结果表明：
SABO-VMD结合 IGWO-SVM的故障分类模型的诊断精度高达 99.67%，能够准确的识别故障的类型，为轴承故障诊
断的发展提供了良好的技术支撑。

关键词


减法平均器优化算法；改进灰狼算法；特征提取；故障分类

全文:

PDF


参考


[1]龙寰，杨婷，徐劭辉，等.基于数据驱动的风电

机组状态监测与故障诊断技术综述 [J].电力系统自动化，

2023，47（23）：55-69.

[2]Backman K.S.. Statistics show bearing problems cause

the majority of windturbine gearbox failures[J].Wind Energy

Technologies Office,2015.

[3]张延军，杨博.基于EMD与SSA-SVM的轴承故障

诊断 [J].组合机床与自动化加工技术，2023（08）：113-117.

[4]DRAGOMIRETSKIY K.ZOSSO D.Variaional mode decomposition[J].lEEE Transaction on Signal

Processing.2014.63(3):531-544.

[5]陈维望，李军霞，张伟.基于VMD混合域特征

和 SSA-SVM的滚动轴承故障诊断 [J].机床与液压，2022，

50（24）：159-164.

[6]谭晶晶.基于改进乌鸦搜索算法优化 SVM的电

机轴承故障诊断 [J].机械设计与研究，2023，39（01）：

107-111+117.

[7]Laith A ,Dalia Y ,Mohamed E A , et al.Aquila

Optimizer: A novel meta-heuristic optimization algorithm[J].

Computers Industrial Engineering,2021,157.

[8]郗涛，胡明橙，王莉静.基于 COT-NGO-VMD

与 LSTM的变转速滚动轴承故障诊断 [J].组合机床与自动

化加工技术，2023，（12）：188-192.

[9]刘谨言，买买提热依木·阿布力孜，项志成，

等.基于改进的灰狼优化算法与 SVM风机轴承故障诊断

[J].机械传动，2023，47（09）：160-169.

[10]Smith A W ,Randall B R .Rolling element bearing

diagnostics using the Case Western Reserve University

data: A benchmark study[J].Mechanical Systems and Signal

Processing,2015,64-65 100-131.




DOI: http://dx.doi.org/10.12361/2661-3506-07-02-141848

Refbacks

  • 当前没有refback。