基于SVM与多振动信息融合的齿轮故障诊断

被引：31

作者：

蒋玲莉 ^{[1
,2
]}

刘义伦 ^{[1
]}

李学军 ^{[2
]}

陈安华 ^{[2
]}

机构：

[1] 中南大学机电工程学院

[2] 湖南科技大学机械设备健康维护湖南省重点实验室

来源：

中南大学学报(自然科学版) | 2010年 / 41卷 / 06期

基金：

湖南省自然科学基金;

关键词：

多振动信号; 信息融合; SVM; 故障诊断; 齿轮;

D O I：

暂无

中图分类号：

TH132.41 [齿轮及齿轮传动]; TH165.3 [];

学科分类号：

080203 ; 080202 ;

摘要：

针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题,采用多传感器信息融合方法,利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合,实现故障诊断。研究结果表明:基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高,诊断结果更可靠;峰值因子对齿轮故障最敏感,以峰值因子为特征量的多传感器信息融合,诊断准确率达93.33%。

引用

页码：2184 / 2188

页数：5

共 7 条

[1] 基于相关函数的多振动信号数据融合方法 [J].