| 基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究 |
| |
| 引用本文： | 王建国,杨云中,秦波,刘永亮. 基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究[J]. 中国测试, 2016, 0(4): 93-97 |
| |
| 作者姓名： | 王建国 杨云中 秦波 刘永亮 |
| |
| 作者单位： | 内蒙古科技大学机械工程学院 |
| |
| 基金项目： | 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) |
| |
| 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。
|
| 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 |
Gear fault diagnosis research based on kurtosis and IMF energy feature fusion and least squares support vector machine |
| |
| WANG Jianguo;YANG Yunzhong;QIN Bo;LIU Yongliang. Gear fault diagnosis research based on kurtosis and IMF energy feature fusion and least squares support vector machine[J]. CHINA MEASUREMENT & TESTING, 2016, 0(4): 93-97 |
| |
| Authors: | WANG Jianguo YANG Yunzhong QIN Bo LIU Yongliang |
| |
| Affiliation: | WANG Jianguo;YANG Yunzhong;QIN Bo;LIU Yongliang;Mechanical Engineering School,Inner Mongolia University of Science & Technology; |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
