针对强背景噪声干扰下的汽车传动轴轴承复合故障特征难以提取问题,提出一种基于蜘蛛蜂优化(Spider wasp optimizer,SWO)算法优化递归变分模态提取参数的汽车传动轴轴承复合故障特征提取方法。利用SWO确定惩罚因子和中心频率的最优值,采...针对强背景噪声干扰下的汽车传动轴轴承复合故障特征难以提取问题,提出一种基于蜘蛛蜂优化(Spider wasp optimizer,SWO)算法优化递归变分模态提取参数的汽车传动轴轴承复合故障特征提取方法。利用SWO确定惩罚因子和中心频率的最优值,采用有效权重峭度指标选取模态分量进行信号重构,降低强背景噪声的干扰;引入二维切比雪夫-逻辑-无限折叠映射增加种群的多样性和随机性,避免SWO陷入局部最优,缩短运行时间,增大故障特征系数;根据快速非支配排序将种群划分为多个子群,采用自适应分组策略来加快SWO的收敛速度。仿真分析和试验验证结果表明,该方法能有效抑制信号中的干扰噪声,较好地兼顾收敛速度和寻优精度。展开更多
文摘针对强背景噪声干扰下的汽车传动轴轴承复合故障特征难以提取问题,提出一种基于蜘蛛蜂优化(Spider wasp optimizer,SWO)算法优化递归变分模态提取参数的汽车传动轴轴承复合故障特征提取方法。利用SWO确定惩罚因子和中心频率的最优值,采用有效权重峭度指标选取模态分量进行信号重构,降低强背景噪声的干扰;引入二维切比雪夫-逻辑-无限折叠映射增加种群的多样性和随机性,避免SWO陷入局部最优,缩短运行时间,增大故障特征系数;根据快速非支配排序将种群划分为多个子群,采用自适应分组策略来加快SWO的收敛速度。仿真分析和试验验证结果表明,该方法能有效抑制信号中的干扰噪声,较好地兼顾收敛速度和寻优精度。
