基于LMD样本熵与ELM的行星齿轮箱故障诊断 |
| |
引用本文: | 张宁,魏秀业,徐晋宏.基于LMD样本熵与ELM的行星齿轮箱故障诊断[J].机械传动,2020,44(4):152-157. |
| |
作者姓名: | 张宁 魏秀业 徐晋宏 |
| |
作者单位: | 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;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;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: | 山西省重点实验室开放基金 |
| |
摘 要: | 为了解决行星齿轮箱故障特征提取困难的问题,考虑到行星齿轮箱振动信号的耦合、非线性的特点,提出基于局域均值分解(LMD)的样本熵和极限学习机(ELM)结合的行星齿轮箱故障诊断方法。首先,利用局域均值分解方法将振动信号自适应地分解为多个PF分量,结合相关系数选取包含主要故障信息的前4个PF分量。其次,应用样本熵方法进行计算,组成特征向量。最后,将特征向量输入极限学习机进行故障分类。在行星齿轮箱实验台上进行了实验,与基于概率神经网络(PNN)分类算法进行了对比,并与基于奇异值分解(SVD)构成的特征向量进行了对比,结果验证了该方法的有效性。
|
关 键 词: | 行星齿轮箱 局域均值分解 样本熵 极限学习机 故障诊断 |
本文献已被 CNKI 万方数据 等数据库收录! |
|