运用EMD和GA-SVM的齿轮故障特征提取与选择

被引：33

作者：

李兵 ^{[1
,2
]}

张培林 ^{[1
]}

任国全 ^{[1
]}

刘东升 ^{[2
]}

米双山 ^{[2
]}

机构：

[1] 军械工程学院一系

[2] 军械工程学院四系

来源：

振动、测试与诊断 | 2009年 / 29卷 / 04期

关键词：

齿轮; 故障诊断; 经验模态分解; 遗传算法; 最小二乘支持向量机;

D O I：

10.16450/j.cnki.issn.1004-6801.2009.04.006

中图分类号：

TH132.41 [齿轮及齿轮传动];

学科分类号：

080203 ;

摘要：

针对齿轮故障特征提取,首先将齿轮箱振动信号进行经验模态分解,得到一组固有模态函数。计算各固有模态函数的能量和矩阵的奇异值,采用Shannon熵和Renyi熵度量能量和奇异值分布,构成原始特征子集。再采用遗传算法和最小二乘支持向量机的Wrapper方法选择最优特征子集。该方法能够利用较少的特征参数集准确判别齿轮故障,提高了齿轮故障诊断的精度与效率。

引用

页码：445 / 448+479 +479

页数：5

共 5 条

[1] 基于经验模式分解的轧机主传动减速机故障诊断 [J].