基于EEMD和ICS-SVM的齿轮箱故障诊断研究

发布时间：2023-10-04 05:03

　　针对齿轮箱故障诊断精度低的问题,提出了基于集成模态经验分解(EEMD)提取特征、改进布谷鸟搜索算法(ICS)和支持向量机(SVM)的故障诊断方法。首先,利用EEMD分解故障信号,计算IMF主分量的矩阵奇异值、时域特征和能量熵,并将其构成多种组合维度的特征向量;其次,针对布谷鸟算法诊断精度不够高、收敛速度不够快等问题,引入阻尼步长因子、动态发现概率以及自适应局部搜索,提出改进布谷鸟搜索算法优化支持向量机(ICS-SVM)模型;最后,对QPZZ-Ⅱ旋转机械模拟齿轮箱的数据集进行训练和测试,诊断识别点蚀、磨损、断齿等故障状态,验证模型的有效性。结果表明,该方法在齿轮箱故障诊断上是有效的,且在诊断精度和诊断速度方面比PSO-SVM、GA-SVM等算法更优。

【文章页数】：7 页


本文编号：3851372