基于多重分形和PSO-SVM的齿轮箱故障诊断

• 作者: 张君东 李莎 潘宏侠 赵卫伟
• 来源期刊: 机械传动
• 关键词: 齿轮箱 分形理论 多重分形 PSO-SVM 故障诊断
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 试验分析
• 页码范围: 132-136
• 页数: 5页
• 语种: 中文

摘要

针对齿轮箱振动信号的非线性和非平稳性,提出一种多重分形和粒子群优化的支持向量机(PSO-SVM)相结合的故障诊断方法.首先采用短时分维作为模糊控制参数的分形滤波器对背景噪声较大的齿轮箱振动信号进行滤波降噪;其次引入多重分形谱算法对滤波后信号进行分析,发现多重分形特征量△a(q)、f(a(q))max、盒子维数Db能很好地反映齿轮箱工作状态;最后对支持向量机(SVM)的参数利用粒子群优化(PSO)算法进行优化,并将多重分形特征量分别作为SVM和PSO—SVM的输入参数以识别齿轮箱故障.结果表明,基于粒子群优化的支持向量机可以提高分类正确率.同时证明了基于多重分形和PSO-SVM在齿轮箱故障诊断中的有效性.

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	赵卫伟		3	18	2.0	3.0
3	李莎		12	6	2.0	2.0
4	张君东		4	2	1.0	1.0