S能量分布特征和SVM在齿轮故障诊断中的应用

发布时间：2021-10-08 03:15

　　准确提取振动信号特征,是齿轮故障诊断的关键问题。为此,提出了一种基于S变换能量分布特征和SVM的故障诊断方法。首先对齿轮故障信号进行S变换得到时频矩阵,然后利用该矩阵构建能量分布特征。最后建立SVM齿轮故障识别模型,将对应的特征样本输入到模型中进行训练和识别,以达到对齿轮故障的准确分类。将所提出的方法应用于齿轮故障检测和诊断。通过实际故障实验数据对所提方法进行了验证。结果表明,该方法能够有效地降低噪声的影响,能够准确地识别齿轮故障,具有较高的准确率和使用价值。 

【文章来源】：机械设计与制造. 2020,(07)北大核心

【文章页数】：4 页

【部分图文】：

齿轮振动试验台结构示意图

图1 齿轮振动试验台结构示意图采集齿轮正常、断齿及磨损状态下振动信号进行S变换，得到时频图，如图3所示。从图中可以看出，在整个采样时间内齿轮的啮频及其倍频成分以相同的时间间隔出现，说明齿轮振动信号具有周期性的冲击特征。

采集齿轮正常、断齿及磨损状态下振动信号进行S变换，得到时频图，如图3所示。从图中可以看出，在整个采样时间内齿轮的啮频及其倍频成分以相同的时间间隔出现，说明齿轮振动信号具有周期性的冲击特征。图3齿轮三种状态下振动信号S变换时频图

【参考文献】：
期刊论文
[1]基于二维S变换算法的图像去噪研究[J]. 夏雪刚.  信息技术. 2017(02)
[2]广义S变换与短时傅里叶变换在地震时频分析中的对比研究[J]. 黄斌,张宏兵,王强,乔骁.  中国煤炭地质. 2017(01)
[3]STFT和HHT在风力机轴承故障诊断中的应用[J]. 隆军,吴金强.  噪声与振动控制. 2013(04)
[4]基于S变换的心音信号特征提取[J]. 李战明,韩阳,韦哲,周强,辛迈.  振动与冲击. 2012(21)
[5]基于参数优化Morlet小波变换的故障特征提取方法[J]. 蒋永华,汤宝平,刘文艺,董绍江.  仪器仪表学报. 2010(01)

博士论文
[1]内燃机振声信号时频特性分析及源信号盲分离技术研究[D]. 徐红梅.浙江大学 2008



本文编号：3423321