基于EMD能量熵和支持向量机的齿轮故障诊断方法

• 作者: 张超 郭迅 陈建军
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 经验模态分解 本征模函数 能量熵 支持向量机 故障诊断
• 年，卷（期）: 2010,（10）
• 页码范围: 216-220
• 分类号: TG17
• 字数: 3838字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3835.2010.10.045

摘要

针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了基于经验模态分解(empirical mode decomposition,EMD)和支持向量机的齿轮故障诊断方法.首先通过EMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(intrinsic mode function, IMF);齿轮发生不同的故障时,在不同频带内的信号能量值会发生改变,故可以通过计算不同振动信号的EMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机(support vector machine,SVM),判断齿轮的工作状态和故障类型.实验结果表明,该方法能有效地应用于齿轮的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建军	西安电子科技大学机电工程学院	326	3226	26.0	40.0
2	张超	西安电子科技大学机电工程学院	50	507	10.0	21.0
6	郭迅	西安电子科技大学机电工程学院	3	67	2.0	3.0