首页|基于双树复小波包及SVM的齿轮故障诊断

基于双树复小波包及SVM的齿轮故障诊断

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
齿轮是卫星传动与控制系统的重要组成部件,其故障诊断的效果在一定程度上反映了卫星系统在役考核中的可靠性情况.针对齿轮故障诊断特征提取难、故障识别率较低的问题,提出了一种集合双树复小波包分解、主成分分析及支持向量机的齿轮故障诊断方法.利用双树复小波包变换将原始信号分解为3层,得到8个子信号.再分别以信号时域指标、频域指标、时频域结合指标为特征对子信号进行特征提取.利用主成分分析对特征向量进行降维,将降维后的数据输入到支持向量机中进行故障诊断.研究结果表明,利用频域指标对齿轮振动信号进行特征提取的效果最佳,并且方法的故障总识别率达到100％,高于以往采用的结合经验模态分解及支持向量机的方法,为卫星齿轮故障进行快速准确识别提供了有效的技术手段.
Gear Fault Diagnosis Based on Dual-tree Complex Wavelet Packet and SVM

钱昭勇、曹裕华、张雷、秦海峰

展开 >

航天工程大学研究生院 北京101416

国防大学联合勤务学院 北京100858

西安卫星测控中心 陕西西安710043

卫星 齿轮故障诊断 双树复小波包分解 支持向量机 特征提取

军事类研究生资助课题

JY2019C213

2021

10.3969/j.issn.2096-0204.2021.04.0415

指挥与控制学报

指挥与控制学报

CSTPCDCSCD
ISSN：
年,卷(期)：2021.7(4)
  • 5
  • 24