奇异值熵和支持向量机的齿轮故障诊断

• 作者: 张超 徐亚兰 杨立东 陈建军
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 总体平均经验模态分解 奇异值熵 支持向量机 本征模式分量 故障诊断
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 论文
• 页码范围: 600-604
• 分类号: TG17
• 字数: 4253字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-6801.2011.05.014

摘要

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵和支持向量机的齿轮故障诊断方法.首先,通过EEMD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式分量,将得到的若干个本征模式分量自动形成初始特征向量矩阵;然后,对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量,并对其进行归一化,求得奇异值熵,根据奇异值熵值大小可以判断齿轮的故障类型;最后,将奇异值故障特征向量作为支持向量机的输入,判断齿轮的工作状态和故障类型.试验结果表明,即使在小样本情况下,基于EEMD奇异值分解和支持向量机的故障诊断方法仍能有效地识别齿轮的工作状态和故障类型.

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	徐亚兰	西安电子科技大学机电工程学院	40	341	8.0	17.0
3	张超	西安电子科技大学机电工程学院	50	507	10.0	21.0
5	杨立东	内蒙古科技大学信息工程学院	24	130	6.0	11.0