基于MF-DFA和SVM的齿轮箱故障诊断

• 作者: 刘春林 史斐娜 潘宏侠 蒋红军
• 来源期刊: 机械传动
• 关键词: 多重分形 去趋势波动分析 支持向量机 故障诊断
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 试验分析
• 页码范围: 119-123
• 页数: 5页
• 语种: 中文

摘要

针对齿轮箱的故障信号是具有非平稳性、非线性等复杂特征的信号,利用多重分形去趋势波动分析(MF-DFA)和支持向量机(SVM)相结合的方法对齿轮箱进行故障诊断.利用多重分形去趋势波动分析,提取齿轮箱故障的多重分形最大奇异指数,最小奇异指数,奇异谱的宽度,极值点所对应的奇异指数等4个分形参数,将其作为特征参数.然后建立齿轮箱的不同故障状态的样本,通过利用支持向量机的方法实现齿轮箱故障的诊断与识别.研究表明,这两种方法的结合为机械故障诊断提供了一种新的方法,对齿轮箱的故障诊断识别具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘宏侠		359	2630	23.0	34.0
2	刘春林		13	9	2.0	3.0
3	史斐娜		8	11	2.0	3.0
4	蒋红军		4	2	1.0	1.0