针对齿轮非平稳时变特性以及特征提取过程中维数多等特点，本文提出基于主成分分析（Principal Component Analysis , PCA）和分层时序记忆法（Hierarchical Temporal Memory, HTM）结合的方法。首先从EMD分解和无量纲两个方面提取故障特征；其次，利用PCA方法对提取的数据进行降维处理从而避免维数灾难，提高诊断精度；最后利用HTM方法进行模式识别。 HTM具有抗噪性、自适应、泛化能力强等特点，可以很好地处理含噪数据的同时保证较高的识别率。实验结果表明两者结合的方法能够快速区分各种故障类型，提高齿轮故障诊断率，为齿轮故障诊断的应用提供了新的思路。
NETL
NSTL
维普
万方数据
