基于AO-VMD和IAO-SVM的齿轮箱故障诊断

简介

针对提高变分模态分解(Variational Mode Decomposition,VMD)的自适应性、优选本征模态分量(Intrinsic Mode Function,IMF)及多故障分类的问题,提出一种天鹰优化器(Aquila Optimizer,AO)优化VMD、综合评价模型优选IMF、改进天鹰优化器(Improved Aquila Optimizer,IAO)优化支持向量机(Support Vector Machine,SVM)的齿轮箱故障诊断方法。首先,采用AO优化VMD的参数并分解原始信号;其次,构建基于相关系数、峭度、包络熵、能量熵的CRITIC-TOPSIS综合评价模型,优选IMF,提取能量熵建立特征向量;最后,将其输入IAO-SVM识别故障类型。通过实验验证所提出方法的有效性。