基于LMD近似熵和PSO-ELM的齿轮箱故障诊断

• 作者: 张玉学 潘宏侠
• 来源期刊: 机械传动
• 关键词: 齿轮箱 局域均值分解 近似熵 PSO-ELM 故障诊断
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 试验分析
• 页码范围: 109-113
• 页数: 5页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2017.08.023

摘要

针对齿轮箱使用中常见的故障检测与识别问题,考虑到齿轮箱振动响应信号非线性、非平稳的特性,提出基于局域均值分解(LMD)的近似熵和粒子群优化的极限学习机(PSO-ELM)结合的齿轮箱故障诊断方法.首先,使用LMD分解方法对齿轮箱各工况的振动信号进行分解,结合相关系数选取反映主要故障信息的前4个PF分量.利用近似熵进行定量描述,组成特征向量.最后用粒子群算法对ELM的输入权值与隐含层神经元阈值进行优化,建立PSO-ELM模型,并将近似熵特征值输入到ELM和PSO-ELM模型中,对齿轮箱不同工况进行故障识别与分类.结果表明,基于LMD近似熵和粒子群优化的ELM有更高的分类正确率,验证了该方法的可行性.

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	张玉学		8	19	2.0	4.0