基于多特征信号融合的改进分类算法在航空轴承故障诊断中的应用研究

本发明涉及一种基于多特征信号融合的改进支持向量机故障诊断方法，具体包括：获取航空轴承振动信号；对所述航空轴承振动信号进行快速傅里叶变换以提取频域特征信号；采用改进的完全自适应噪声集合经验模态分解和变分模态分解分别分解上述航空轴承振动信号；对所述分解后的航空轴承振动信号分别其计算近似熵和模糊熵，得到两个时频特征信号，同时将其与频域特征信号进行融合，得到融合特征信号；使用随机森林特征筛选方法对融合特征信号的重要性进行评估和选择，随后通过主成分分析对特征信号进行进一步降维，得到低维度融合特征信号；将上述信号输入由Logistic‑Tent映射和Levy飞行变异改进的原子搜索算法优化支持向量机中，分别进行模型训练和故障诊断。