基于LMD能量熵和支持向量机的齿轮箱故障诊断

扫码查看

原文链接

万方数据

中文摘要：针对小样本情况下齿轮箱复合多种故障特征难以提取和分类的问题,提出了基于局部均值分解(LMD)能量熵和支持向量机(SVM)的故障诊断方法.首先利用LMD方法对采集的齿轮箱振动信号进行分解,得到有限个PF分量;然后根据不同故障下齿轮箱振动信号在频域区间内分布不均的特性,分析出PF分量能量在不同频域范围离散情况,即求出LMD能量熵;最后利用SVM多故障分类器对提取出的特征展开训练和测试,进行齿轮箱故障分类.实验结果显示,即使在小样本情况下,且同时存在非单一、多种齿轮箱故障时,基于LMD能量熵和SVM方法也可以对齿轮箱故障进行特征提取和精准分类,实现齿轮箱故障诊断.

作者：

徐乐、朱玉斌、郎超男

展开 >

作者单位：

江苏师范大学

中国矿业大学

关键词：

熔体挤出速度正交试验 Fluent仿真指数预测模型

出版年：

2024

制造技术与机床

中国机械工程学会北京机床研究所

制造技术与机床

CSTPCD北大核心

影响因子：0.264

ISSN：1005-2402

年,卷(期)：2024.(9)