基于NGO-VMD和DBO-SVM的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段信号微弱难以提取和识别的问题，提出利用北方苍鹰算法优化变分模态分解参数，并结合蜣螂优化算法优化支持向量机的方法进行故障提取和分类识别。首先，采用北方苍鹰算法对变分模态的最佳参数进行搜索，将信号用变分模态分解为若干个本征模态函数；然后利用峭度选取最优本征模态函数；最后将其输入蜣螂优化算法-支持向量机诊断模型中进行故障分类识别。实验结果表明，北方苍鹰算法-变分模态分解方法在迭代次数和收敛精度上均有一定的优势，采用峭度选择最优本征模态函数，包络解调分析后提取早期微弱故障信号故障特征的能力最佳；蜣螂优化算法-支持向量机诊断模型能在故障信号微弱背景下，使故障诊断分类识别率有一定的提高。该方法具有较好的故障特征提取和分类识别能力，为滚动轴承早期故障诊断提供技术支持。