基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究
本文关键词:基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究
更多相关文章: IMF分量 峭度和能量特征 最小二乘支持向量机 故障诊断
【摘要】:针对齿轮振动信号非线性非平稳特性,为避免传统时频方法在表征设备状态时的不足,提出一种基于融合峭度与IMF能量特征和LS-SVM的齿轮故障诊断方法。首先,对齿轮振动信号在EMD分解;然后,提取包含主要故障信息的IMF分量的峭度特征和能量特征,组成融合特征向量;最后,将齿轮正常、齿根裂纹、断齿3种状态下的融合特征向量输入到LS-SVM,通过训练好的LS-SVM对齿轮状态进行分类识别。仿真实验结果表明:该方法能准确识别齿轮的工作状态,且与BP神经网络、SVM相比,有着更高的故障识别效率,可用于齿轮信号的故障诊断。
【作者单位】: 内蒙古科技大学机械工程学院;
【关键词】: IMF分量 峭度和能量特征 最小二乘支持向量机 故障诊断
【基金】:国家自然科学基金项目(21366017) 内蒙古科技厅高新技术领域科技计划重大项目(20130302)
【分类号】:TH132.41
【正文快照】: 1 2 3正常齿根裂纹断齿1.811 01.680 11.459 100.20.40.60.81.01.21.41.61.82.0能量熵值图1齿轮不同状态下的能量熵值0引言齿轮是用来改变转速和传递动力的常用零件,在现代机械设备中有着广泛应用。由于齿轮本身工作环境比较恶劣,故极易受到损害,出现故障。齿轮故障信号由机械
【相似文献】
中国期刊全文数据库 前10条
1 胡小江;;灰色系统理论在齿轮故障诊断中的应用[J];通用机械;2007年09期
2 杨德斌;杨聚星;阳建宏;章立军;;基于声信号分析的齿轮故障诊断方法[J];北京科技大学学报;2008年04期
3 韩捷;巩晓峗;陈宏;;全矢谱技术在齿轮故障诊断中的应用[J];中国工程机械学报;2010年01期
4 程军圣;杨怡;杨宇;;局部特征尺度分解方法及其在齿轮故障诊断中的应用[J];机械工程学报;2012年09期
5 金国英,金少先,金英,李乃华;齿轮故障诊断的理论问题与实践[J];大庆石油学院学报;1993年03期
6 王俊洪;煤气鼓风机组增速机齿轮故障诊断分析[J];设备管理与维修;2002年12期
7 高珍,马金山,熊晓燕;齿轮故障诊断的小波分析方法[J];机械管理开发;2005年02期
8 曹文莉;夏永青;李磊;胡小江;;神经网络在齿轮故障诊断中的应用[J];冶金设备;2006年02期
9 郜立焕;周长生;杨玮;王佃武;;齿轮故障诊断与分析[J];煤矿机械;2006年08期
10 蒋宇;李力;赵美云;;基于小波-倒频谱的齿轮故障诊断方法及应用[J];中国测试技术;2008年01期
中国重要会议论文全文数据库 前7条
1 赵章焰;;齿轮故障诊断的原理及应用[A];中国的经济建设与21世纪的物料搬运技术——中国机械工程学会物料搬运分会第五届学术年会论文集[C];1996年
2 刘立州;李志农;范涛;;分数阶Fourier变换在齿轮故障诊断中的应用[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
3 张立国;张生;谷建平;康科;;小波包分析在齿轮故障诊断中的应用[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
4 曹志锡;孙莉;;齿轮故障诊断信号分析处理的一种有效方法[A];中国职业安全健康协会2007年学术年会论文集[C];2007年
5 李长吾;吕江涛;张立国;陈白;;基于小波分析的齿轮故障诊断方法的研究[A];第三届全国信息获取与处理学术会议论文集[C];2005年
6 孙芳;柳亦兵;李明;赵凌波;;基于小波包与模糊模式识别的齿轮故障诊断方法[A];第25届中国控制会议论文集(中册)[C];2006年
7 刘锋;马怀祥;葛宝珊;;基于经验模态分解和包络分析的齿轮故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
中国硕士学位论文全文数据库 前10条
1 胡长海;减速机齿轮故障诊断方法的研究[D];昆明理工大学;2009年
2 杨怡;基于局部均值分解的齿轮故障诊断方法[D];湖南大学;2012年
3 成琼;基于小波分析的齿轮故障诊断研究[D];湖南大学;2001年
4 寿海飞;基于小波分析的齿轮故障诊断研究[D];浙江工业大学;2007年
5 王彬彬;小波分析在微动齿轮故障诊断的应用与研究[D];南昌大学;2010年
6 王文莉;基于高阶谱的齿轮故障诊断与识别[D];武汉科技大学;2007年
7 王文欢;基于隐马尔科夫模型的齿轮故障诊断[D];南昌航空大学;2014年
8 赵国庆;基于小波降噪与HHT方法的齿轮故障诊断方法[D];武汉科技大学;2007年
9 何小华;基于磨损识别的齿轮故障诊断研究[D];武汉工程大学;2012年
10 赵志强;基于集合经验模式分解与径向基函数神经网络的齿轮故障诊断[D];河北工程大学;2015年
,本文编号:621253
本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/621253.html