基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究

被引：8

作者：

王建国

杨云中

秦波

刘永亮

机构：

[1] 内蒙古科技大学机械工程学院

来源：

中国测试 | 2016年 / 42卷 / 04期

关键词：

IMF分量; 峭度和能量特征; 最小二乘支持向量机; 故障诊断;

D O I：

暂无

中图分类号：

TH132.41 [齿轮及齿轮传动];

学科分类号：

080203 ;

摘要：

针对齿轮振动信号非线性非平稳特性,为避免传统时频方法在表征设备状态时的不足,提出一种基于融合峭度与IMF能量特征和LS-SVM的齿轮故障诊断方法。首先,对齿轮振动信号在EMD分解;然后,提取包含主要故障信息的IMF分量的峭度特征和能量特征,组成融合特征向量;最后,将齿轮正常、齿根裂纹、断齿3种状态下的融合特征向量输入到LS-SVM,通过训练好的LS-SVM对齿轮状态进行分类识别。仿真实验结果表明:该方法能准确识别齿轮的工作状态,且与BP神经网络、SVM相比,有着更高的故障识别效率,可用于齿轮信号的故障诊断。

引用

页码：93 / 97

页数：5

共 12 条

[1] 基于BP神经网络的齿轮故障诊断 [J].

吴伟 ;

郑娟 .

机械研究与应用, 2015, 28 (01) :88-90+93

[2] 基于EMD近似熵和LSSVM的齿轮箱故障诊断研究 [J].

黄俊 ;

潘宏侠 ;

都衡 .

组合机床与自动化加工技术, 2014, (03) :111-113

[3] 基于EMD的齿轮箱齿轮故障诊断的研究 [J].

唐贵基 ;

庞尔军 ;

王晓龙 .

机床与液压, 2013, 41 (13) :188-190

[4] 基于峭度和小波包能量特征的齿轮箱早期故障诊断及抗噪研究 [J].

陈水宣 ;

邹俊 ;

易际明 ;

谢丹 .

机械传动, 2012, 36 (11) :9-14

[5] 基于EMD能量熵和支持向量机的齿轮故障诊断方法 [J].

张超 ;

陈建军 ;

郭迅 .

振动与冲击, 2010, 29 (10) :216-220+261

[6] 基于EMD和冲击脉冲的齿轮故障诊断 [J].

韩永杰 ;

郝伟 ;

董辛旻 .

机械设计与制造, 2009, (10) :222-224

[7] 基于改进EMD和LSSVM的机械故障诊断 [J].

肖志勇 ;

杨小玲 ;

刘爱伦 .

自动化仪表, 2008, (06) :24-26

[8] Hilbert-Huang变换在齿轮故障诊断中的应用 [J].

于德介 ;

程军圣 ;

杨宇 .

机械工程学报, 2005, (06) :102-107

[9]

基于振动分析的现代机械故障诊断原理及应用.[M].韩清凯; 于晓光; 编著.科学出版社.2010,

[10]

Gear fault diagnosis based on support vector machine optimized by artificial bee colony algorithm.[J].Dalian Yang;Yilun Liu;Songbai Li;Xuejun Li;Liyong Ma.Mechanism and Machine Theory.2015,

← 1 2 →