基于ICEEMDAN与AHO?SVM的滚动轴承故障诊断方法

《Information》：A Rolling Bearing Fault Diagnosis Method Based on ICEEMDAN and AHO?SVM

　　

摘要

为解决滚动轴承故障振动信号易受噪声干扰的问题，以及支持向量机依赖人工参数设置的问题，本文提出了一种基于ICEEMDAN和AIHO?SVM的故障诊断方法。首先，通过引入切比雪夫混沌映射、折射反向学习、动态加权、自适应步长和引导学习策略对河马优化算法进行改进，从而提升其收敛精度和速度。其次，利用ICEEMDAN对振动信号进行分解以降低噪声，再根据互信息准则选取有效的固有模态函数分量来重构信号。接着提取九个时域统计特征以构建故障特征向量。第三，运用AIHO协同优化SVM的惩罚因子和核参数，建立AIHO?SVM分类模型。最后，将该方法在凯斯西储大学和华中科技大学的轴承数据集上进行了验证。实验结果表明，该方法在两个数据集上的平均诊断准确率分别达到99.07%和99.09%，充分证明了其在滚动轴承故障诊断中的有效性。