基于主成分分析的齿轮箱故障特征融合分析

• 作者: 古莹奎 朱繁泷 杨子茜
• 来源期刊: 中国机械工程
• 关键词: 齿轮箱 主成分分析 支持向量机 BP 神经网络 特征融合
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 科学基金
• 页码范围: 1532-1537
• 页数: 6页
• 分类号: TH132.41|TH165.3
• 语种: 中文
• DOI: 10.3969/j.issn.1004132X.2015.11.018

摘要

为有效降低齿轮箱故障特征的维数并提高诊断准确率，提出了基于主成分分析法的齿轮箱故障特征融合方法，并结合支持向量机和 BP 神经网络对诊断的准确率进行了分析。以齿轮箱中不同裂纹齿轮为对象，选取能够表征齿轮箱故障状态的时域、频域和基于希尔伯特变换的36个特征，提取累积贡献率达到95%以上的主成分并输入支持向量机分类器中进行分类识别，用 BP 神经网络分类器进行结果的比较分析。结果表明，采用主成分分析法与支持向量机相结合的方法，既能降低特征维数，降低计算的复杂性，又能有效地表征齿轮箱的运行状态，识别不同裂纹水平的齿轮，比单独使用支持向量机分类器的方法诊断准确率更高，训练时间更短。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	古莹奎		48	336	11.0	16.0
2	朱繁泷		4	44	4.0	4.0
3	杨子茜		1	10	1.0	1.0