VMD和PSO-SVM方法在转子碰摩故障诊断中的应用

魏永合，曹 怀，卢子乾

(沈阳理工大学 机械工程学院，沈阳 110159)

由于现代旋转机械要求高转速、高效率，致使转静子的间隙不断变小，加上制造、安装误差以及工作状态的变化，使得转静子间会发生碰摩故障。当碰摩故障发生时，将呈现噪声增大、系统出现异常振动、转静子间的间隙变大、零部件磨损甚至转轴弯曲以致断裂等问题，导致旋转机械设备的安全可靠性降低，轻则使机械运转异常，重则造成破坏或重大事故[1]。Huvel B[2]通过研究大量案例表明，机械设备损坏多由于碰摩故障造成。因此，为避免碰摩故障带来的各种隐患，选取更为准确的故障诊断技术对设备运行状态进行诊断和识别变得尤为重要。

故障诊断主要包括特征提取及模式识别两部分。针对特征提取方法，胡劲松等[3]利用经验模态分解(EMD)方法对旋转机械振动信号进行故障特征的提取。EMD算法存在收敛准则、包络线的选取、端点效应以及模态混淆现象等[4]。王衍学等[5]利用局部均值分解(LMD)方法对滚动轴承故障、转子裂纹等信号进行了滤波和降噪，提取出故障特征，但仍存在模态混叠、端点效应和计算复杂的问题。2014年Dragomiretskiy K等[6]提出一种对非平稳信号自适应处理的方法—变分模态分解(Variational Mode Decomposition，VMD)，其信噪分离效果比较显著，可将复杂信号按照预设尺度分解出相应数量的模态分量信号，从而对信号进行处理和特征提取。武英杰等[7]将变分模态分解用于风电机组传动系统不平衡故障诊断。模式识别的人工智能方法包括：神经网络和支持向量机等。……