基于MED-SVM的齿轮箱故障诊断方法

• 作者: 刘志川 唐力伟 张远刚 曹立军
• 来源期刊: 机械传动
• 关键词: 最小熵反褶积 支持向量机 特征提取 交叉验证 故障诊断
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 试验分析
• 页码范围: 124-127
• 页数: 4页
• 语种: 中文

摘要

为了解决齿轮箱的故障诊断问题,提出了一种基于最小熵反褶积(Minimum Entropy Deconvolution,MED)和支持向量机(Support Vector Machine,SVM)的齿轮箱故障诊断方法.该方法首先对齿轮箱振动加速度信号进行MED降噪处理,对降噪后的信号在幅域、频域和能量域进行特征参量提取,建立特征向量,以此作为输入建立多分类支持向量机,通过交叉验证方法优化模型参数,判断齿轮箱的故障类型.实测齿轮箱振动信号的故障诊断结果表明,该方法能有效识别多种齿轮和轴承的故障类型,优化模型参,数有助于提高故障识别准确率.