基于SCNGO优化VMD和SVM的轴承故障诊断方法、设备及介质

本发明公开了一种基于SCNGO优化VMD和SVM的轴承故障诊断方法、设备及介质，针对变分模态分解方法在提取滚动轴承振动信号的故障特征频率时和使用SVM进行故障诊断时，受参数设置影响及敏感模态分量的选取问题，将待诊断的轴承特征数据输入预先训练好的SVM模型进行故障分类识别，得到轴承故障诊断结果，SVM模型是基于北方苍鹰算法SCNGO优化VMD参数和SVM参数并训练得到。通过实验验证表明该方法可解决VMD和SVM受参数设置影响的问题，成功诊断轴承故障，并解决了机床主轴轴承故障诊断领域现有技术中存在的故障特征提取能力不足、处理复杂多维数据泛化能力差、优化方法收敛速度较慢的问题。