| 基于CEEMDAN样本熵与PNN的行星齿轮故障诊断 |
| |
| 作者姓名： | 徐晋宏 魏秀业 贺妍 程海吉 张宁 |
| |
| 作者单位： | 中北大学机械工程学院,山西太原030051;中北大学机械工程学院,山西太原030051;先进制造技术山西省重点实验室,山西太原030051 |
| |
| 基金项目： | 山西省应用基础研究面上青年基金项目(201901D211201）;中北大学先进制造技术山西省重点实验室2020年度开放基金项目（XJZZ202002） |
| |
| 摘 要： | 为对行星齿轮进行故障诊断,采用自适应噪声完备总体经验模态分解（CEEMDAN）方法对采集的信号进行分解。对分解得到的各IMF分量进行相关系数计算,优选出与原始信号相关性较大的前4阶分量进行样本熵计算,得到特征值,构成特征向量。将特征向量输入到概率神经网络系统中进行诊断,且与基于局域均值分解的样本熵特征提取方法的诊断结果进行对比。结果表明：利用CEEMDAN样本熵提取的特征值能更精准地反映系统的故障特性,故障诊断的正确率高。
|
| 关 键 词： | 行星齿轮 自适应噪声完备总体经验模态分解(CEEMDAN) 样本熵 概率神经网络(PNN) |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|
