基于SVM与多振动信息融合的齿轮故障诊断

• 作者: 刘义伦 李学军 蒋玲莉 陈安华
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 多振动信号 信息融合 SVM 故障诊断 齿轮
• 年，卷（期）: 2010,（6）
• 页码范围: 2184-2188
• 分类号: TH165+.3
• 字数: 3069字
• 语种: 中文

摘要

针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题,采用多传感器信息融合方法,利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合,实现故障诊断.研究结果表明:基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高,诊断结果更可靠;峰值因子对齿轮故障最敏感,以峰值因子为特征量的多传感器信息融合,诊断准确率达93.33%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘义伦	中南大学机电工程学院	177	1461	19.0	28.0
2	陈安华	湖南科技大学机械设备健康维护湖南省重点实验室	49	481	12.0	20.0
3	李学军	湖南科技大学机械设备健康维护湖南省重点实验室	135	1077	18.0	27.0
4	蒋玲莉	中南大学机电工程学院	35	418	12.0	20.0