基于VMD与多特征融合的齿轮故障诊断方法

• 作者: 张超 王建国 陈帅
• 来源期刊: 机械传动
• 关键词: 变分模态分解 多特征融合 最小二乘支持向量机 排列熵 故障诊断
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 开发应用
• 页码范围: 160-165
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2017.03.032

摘要

针对实际中工况复杂难以提取齿轮故障特征频率的问题,提出一种变分模态分解(Variational Mode Decomposition,VMD)与多特征融合的齿轮故障诊断方法.首先,对机械振动信号进行VMD分解并得到一系列的模态,其次,计算高频段的前4个模态的排列熵(Permutation Entropy,PE)和能量,最后,将排列熵和能量构成的高维特征向量作为最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)的输入,对齿轮故障类型进行模式识别.试验结果表明:VMD可以较好地将复杂多分量信号各成分分开;排列熵和能量特征可以从不同尺度揭示齿轮故障信息;基于VMD与多特征融合的智能故障诊断方法识别精度高,可以为齿轮故障预警和严重程度提供参考.

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		112	350	8.0	11.0
2	张超		63	448	11.0	20.0
3	陈帅		8	22	3.0	4.0