基于两类特征和最小二乘支持向量机的齿轮故障诊断方法

• 作者: 刘永亮 杨云中 王建国 秦波 郭伟 陈敏
• 来源期刊: 机械传动
• 关键词: 本征模式分量能量 峭度 最小二乘支持向量机 齿轮 故障诊断
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 试验分析
• 页码范围: 126-131
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2016.06.028

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”分析方法在表征设备状态时的不足和样本数量少易造成故障辨识模型“欠学习”的问题,提出一种基于峭度、本征模式分量(Intrinsic mode function,IMF)能量两类特征和最小二乘支持向量机(Least squares support vector machine,LS-SVM)的齿轮故障诊断方法.首先,对所测齿轮振动信号在集合经验模式分解(Ensemble empirical mode decomposition,EEMD)的基础上提取有效IMF分量计算其能量特征和峭度值,据此构建时频域两类特征向量;其次,将融合后的齿轮正常、齿根裂纹、断齿3种状态下的时频域两类特征向量作为输入,基于LS-SVM建立齿轮故障诊断模型,进行齿轮故障识别.实验结果表明,该方法能够准确地识别齿轮的工作状态,与基于BP、SVM的故障诊断模型相比,其具有更高的识别率,为齿轮状态识别和故障诊断提供了一种新途径.