基于IWHO-VMD和有效模态重构的RV减速器故障特征提取

《Sensors》：Fault Feature Extraction for RV Reducers Based on IWHO-VMD and Effective Mode Reconstruction

　　**摘要**旋转矢量（RV）减速器的故障特征提取受到噪声掩盖的微弱冲击分量、经验性参数选择中的传统变分模态分解（VMD）以及模态冗余等因素的阻碍。针对这些问题，提出了一种基于改进野马优化器的变分模态分解（IWHO-VMD）框架，并结合有效模态重构技术。该方法采用两阶段搜索策略和复合适应度函数来优化VMD的模态数量和惩罚因子，其中复合适应度函数整合了平方包络谱（SES）负熵、重构误差以及有效模态惩罚项。随后，利用SES负熵和归一化能量比筛选与故障相关的本征模态函数，再进行有效模态重构及希尔伯特包络谱分析。该方法在两个自建RV减速器数据集（分别涉及滚动体磨损和行星齿轮齿面磨损）以及一个公开的曲轴磨损数据集上进行了验证，并与多种优化方法进行了对比。该方法在三个数据集上实现了98.95%的平均特征频率识别准确率。在对比数据集中，IWHO-VMD取得了最低的适应度值，并将收敛迭代次数减少了25.0%–50.0%；结合有效模态重构后，其平均识别准确率达到99.03%。所提出的框架提高了VMD参数的自适应性，增强了故障特征表征能力，为RV减速器的状态监测提供了可靠依据。