VMD及PSO优化SVM的行星齿轮箱故障诊断

被引：28

作者：

刘秀丽 ^{[1
]}

王鸽 ^{[1
]}

吴国新 ^{[1
]}

李相杰 ^{[2
]}

机构：

[1] 北京信息科技大学现代测控技术教育部重点实验室

[2] 华锐风电科技(集团)股份有限公司

来源：

电子测量与仪器学报 | 2022年 / 36卷 / 01期

基金：

国家重点研发计划;

关键词：

行星齿轮箱; 故障特征凸显; PSO优化SVM; 适应度函数; 样本熵;

D O I：

10.13382/j.jemi.B2104376

中图分类号：

TH132.41 [齿轮及齿轮传动];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

以故障高发的行星齿轮传动系统为对象，提出基于变分模态分解(variational mode decomposition, VMD)及粒子群算法(particle swarm optimization, PSO)优化支持向量机(support vector machine, SVM)的故障诊断方法。首先，对信号进行VMD分解，采用改进小波降噪的方法处理分解后的本征模态分量(IMF),并对处理后的分量进行重构，凸显信号蕴含的信息；然后，对处理后的振动信号进行特征提取，分别提取信号的样本熵和均方根误差，并组成输入矩阵；最后，引入PSO优化SVM的关键参数，将提取的特征向量输入PSO-SVM进行训练和识别。将该方法应用于行星传动试验平台获取的行星轮裂纹故障、太阳轮轮齿故障及行星轮轴承故障信号，通过多维比较，验证了该方法的有效性。

引用

页码：54 / 61

页数：8

共 17 条

[11]

Fault diagnosis of wind turbine bearing based on stochastic subspace identification and multi-kernel support vector machine.[J].Hongshan ZHAO;Yufeng GAO;Huihai LIU;Lang LI;.Journal of Modern Power Systems and Clean Energy.2019, 02

[12]

Crack Fault Classification for Planetary Gearbox Based on Feature Selection Technique and K-means Clustering Method.[J].Li-Ming Wang;Yi-Min Shao;.Chinese Journal of Mechanical Engineering.2018, 01

[13]

改进小波去噪-Teager算子的齿轮微弱故障提取方法 [J].