基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究

• 作者: 刘永亮 杨云中 王建国 秦波
• 来源期刊: 中国测试
• 关键词: IMF分量 峭度和能量特征 最小二乘支持向量机 故障诊断
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 测控技术
• 页码范围: 93-97
• 页数: 5页
• 字数: 2907字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2016.04.020

摘要

针对齿轮振动信号非线性非平稳特性,为避免传统时频方法在表征设备状态时的不足,提出一种基于融合峭度与IMF能量特征和LS-SVM的齿轮故障诊断方法.首先,对齿轮振动信号在EMD分解;然后,提取包含主要故障信息的IMF分量的峭度特征和能量特征,组成融合特征向量;最后,将齿轮正常、齿根裂纹、断齿3种状态下的融合特征向量输入到LS-SVM,通过训练好的LS-SVM对齿轮状态进行分类识别.仿真实验结果表明:该方法能准确识别齿轮的工作状态,且与BP神经网络、SVM相比,有着更高的故障识别效率,可用于齿轮信号的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建国	内蒙古科技大学机械工程学院	112	350	8.0	11.0
2	秦波	内蒙古科技大学机械工程学院	46	199	7.0	12.0
3	刘永亮	内蒙古科技大学机械工程学院	10	61	5.0	7.0
4	杨云中	内蒙古科技大学机械工程学院	7	36	4.0	5.0