| ELMD熵特征融合与PSO-SVM在齿轮故障诊断中的应用 |
| |
| 引用本文： | 何园园,张超,朱腾飞.ELMD熵特征融合与PSO-SVM在齿轮故障诊断中的应用[J].机械科学与技术(西安),2019,38(2):271-276. |
| |
| 作者姓名： | 何园园 张超 朱腾飞 |
| |
| 作者单位： | 内蒙古科技大学机械工程学院,内蒙古包头,014010;内蒙古科技大学机械工程学院,内蒙古包头,014010;内蒙古科技大学机械工程学院,内蒙古包头,014010 |
| |
| 基金项目： | 国家自然科学基金;内蒙古自治区自然科学基金;内蒙古高等学校科学研究项目 |
| |
| 摘 要： | 提出基于ELMD熵特征融合与PSO-SVM的齿轮故障诊断方法。该方法首先对原始信号进行总体局部均值分解(Ensemble local mean decomposition,ELMD),得到若干乘积函数(PF);其次,对ELMD分解得到的前5个PF分量进行求取能量熵和近似熵,并利用KPCA对其进行特征融合;然后,选取部分融合特征作为训练样本,其余作为测试样本;最后,利用PSO优化的支持向量机对融合特征样本进行训练与测试。实验中,将单特征和融合特征分别进行SVM和PSO-SVM识别精度的对比。实验结果证明,所提方法可有效地应用在齿轮故障诊断中。
|
| 关 键 词： | ELMD PSO 支持向量机 能量熵 故障诊断 |
Application of ELMD Entropy Feature Fusion and PSO-SVM in Gear Fault Diagnosis |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
