机床与液压

作者：李希垒，王冰，胡雄，金鑫

单位：上海海事大学物流工程学院；上海海事大学物流工程学院；上海海事大学物流工程学院；青岛港口装备制造有限公司

关键词：滚动轴承;故障诊断;特征选择;支持向量机;多尺度分析;Kolmogorov熵

基金：国家高技术研究发展计划（863项目）（2013AA041106）；国家自然科学基金面上项目（62073213）；博士后科研基金（2014M561458）；上海自然科学基金（23ZR1426700）；上海市工程技术研究中心建设计划

为了进一步提高滚动轴承故障诊断的准确率，提出一种基于精细化多尺度Kolmogorov熵和鲸鱼优化多分类支持向量机(FGMKE-WOA-SVM)的故障诊断方法。对振动信号进行精细化多尺度分解，提取各尺度子信号的Kolmogorov熵，构建多维故障特征向量，以此定量表征信号在不同分辨率下的复杂度。针对多分类支持向量机模型参数敏感问题，引入鲸鱼优化算法（WOA）优化惩罚因子和核函数参数，构建最优WOA-SVM模型。最后，基于江南大学数据集的实验表明：该方法能够有效分析参数对模型稳定性的影响，并在不平衡样本集上实现高精度故障诊断;与KNN、DT等模型及不同特征输入方法相比，所提方法计算速度快、诊断效率高，具有显著优越性。

来源：2025年第8期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第8期