EMD和 SVM在变速器故障诊断中的应用

• 作者: 孔明 宋玉倩 李林峰 柏文琦 赵军 陈红江
• 来源期刊: 计量技术
• 关键词: 经验模式分解( EMD) 支持向量机( SVM) 齿轮 故障诊断
• 年，卷（期）: 2015,（5）
• 页码范围: 3-6,13
• 页数: 5页
• 字数: 3595字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0771.2015.05.01

摘要

齿轮故障信号具有不平稳特性，故障信号特征向量难提取，典型的齿轮故障数据样本少。针对这些问题，本文提出基于经验模式分解（ EMD）和支持向量机（ SVM）相结合的诊断方法。首先通过传感器采集得到加速度信号，再通过EMD分解将加速度信号分解成多个稳定的本征模态函数信号（ IMFs）。因为SVM能够在小样本集情况下建立决策规则，所以将IMFs的前几项作为特征向量输入SVM训练，对样本训练、测试并诊断故障。齿轮故障诊断实验结果表明：本文所提出方法诊断准确率达92.5％，可实现齿轮故障信息提取和齿轮故障的有效诊断。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔明	中国计量学院计量测试工程学院	94	214	7.0	10.0
2	赵军	中国计量学院计量测试工程学院	87	315	10.0	14.0
3	柏文琦		11	1	1.0	1.0
4	李林峰	中国计量学院计量测试工程学院	5	10	2.0	3.0
5	陈红江	中国计量学院计量测试工程学院	1	1	1.0	1.0
6	宋玉倩	中国计量学院计量测试工程学院	3	1	1.0	1.0