节点文献

基于多维度特征表征与SVM的齿轮故障诊断

免费订阅

【作者】 潘礼正朱大帅佘世刚

【Author】 PAN Li-zheng;ZHU Da-shuai;SHE Shi-gang;School of Mechanical Engineering,Changzhou University;

【机构】 常州大学机械工程学院

【摘要】 针对旋转机械中齿轮故障诊断问题,为尽可能提高故障诊断准确性,提出了一种基于多维度特征表征与支持向量机(SVM)的齿轮故障诊断方法。首先,从不同维度分别使用小波包、单一能量、变分模态分解以及集合经验模态分解四种特征提取方法提取齿轮振动信号的特征;其次,将提取的特征信息按照一定的方式进行特征融合表征;最后,采用SVM分类方法对齿轮的运行状态(正常状态,轻微故障,中等故障,断齿故障)进行评估,从而实现齿轮故障诊断。通过多组特征融合表征研究分析表明,多维度融合的特征表征较单一维度特征信息更能够有效地反映齿轮运行状态,有助于进一步提高齿轮故障诊断准确率。

【关键词】 齿轮故障诊断多维度特征提取模式分类
【基金】 国家自然科学基金(61773078);常州市科技支撑计划项目(CE20175040)
【所属期刊栏目】 数字化设计与制造 (2019年S1期)
  • 【DOI】10.19356/j.cnki.1001-3997.2019.s1.025
  • 【分类号】TH132.41
  • 【下载频次】68
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: