基于SSA-VMD和SVM的滚珠丝杠副故障诊断.pdf

２０２４年６月Ｊｕｎ２０２４

第５２卷第１２期Ｖｏｌ５２Ｎｏ１２

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２４１２０３３

－－

文献引用：左乾君，陈国华，毛杰，等．基于ＳＳＡＶＭＤ和ＳＶＭ的滚珠丝杠副故障诊断［Ｊ］．机床与液压，２０２４，５２（１２）：２３１２３８．

－

Ｃｉｔｅａｓ：ＺＵＯＱｉａｎｊｕｎ，ＣＨＥＮＧｕｏｈｕａ，ＭＡＯＪｉｅ．ＦａｕｌｔｄｉａｇｎｏｓｉｓｏｆｂａｌｌｓｃｒｅｗｐａｉｒｂａｓｅｄｏｎＳＳＡＶＭＤａｎｄＳＶＭ［Ｊ］．ＭａｃｈｉｎｅＴｏｏｌ＆

－

Ｈｙｄｒａｕｌｉｃｓ，２０２４，５２（１２）：２３１２３８．

－

基于ＳＳＡＶＭＤ和ＳＶＭ的滚珠丝杠副故障诊断

１，２１１１１１１

左乾君，陈国华，毛杰，张帅伟，周博，张智洋，张秀琴

（１湖北文理学院机械工程学院，湖北襄阳４４１０５３；２重庆渝江压铸股份有限公司，重庆４０１１２３）

－

摘要：针对滚珠丝杠副故障特征提取困难的问题，提出一种基于麻雀搜索算法优化变分模态分解算法（ＳＳＡＶＭＤ）

结合支持向量机（ＳＶＭ）的滚珠丝杠副故障诊断方法。以最小包络熵作为ＳＳＡ的适应度函数，对ＶＭＤ参数进行自主寻优；

运用ＩＭＦ能量值对分解信号进行筛选重构，去除噪声和无关成分的干扰；最后提取重构信号的８类时域特征参数和５类频

域特征参数作为特征向量集，导入ＳＶＭ进行故障识别模型的训练。通过搭建滚珠丝杠副故障诊断实验平台采集振动信号，

－－

分别采用ＳＳＡＶＭＤ、ＶＭＤ、ＥＭＤ方法进行信号分解提取故障特征。实验结果表明：与ＶＭＤ和ＥＭＤ相比，ＳＳＡＶＭＤ能针

－

对不同的信号自主选择最优的ＶＭＤ参数进行信号分解，能准确识别滚珠丝杠副故障类型，证明了基于ＳＳＡＶＭＤ的滚珠丝

杠副故障诊断的可行性和准确性。

关键词：滚珠丝杠副；变分模态分解（ＶＭＤ）；麻雀搜索算法（ＳＳＡ）；故障诊断

中图分类号：ＴＨ１６５３

－

ＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＢａｌｌＳｃｒｅｗＰａｉｒＢａｓｅｄｏｎＳＳＡＶＭＤａｎｄＳＶＭ

１，２１