基于EMD近似熵和TWSVM的齿轮箱故障诊断

• 作者: 刘飞 张曹 陈珺
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 经验模态分解 近似熵 双子支持向量机 齿轮箱故障诊断
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 故障·诊断
• 页码范围: 142-145
• 页数: 4页
• 分类号: TH132.46|TP277.3
• 字数: 2352字
• 语种: 中文
• DOI: 10.13436/j.mkjx.201704051

摘要

针对齿轮箱振动信号的非平稳和非线性特征,给出了一种基于经验模态分解(EMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法.对不同类型的齿轮信号进行EMD分解,得到若干个具有不同时间尺度的本征模函数(IMF)分量,再对IMF分量使用近似熵求解,得到一组特征向量,最后将其输入到TWSVM分类器中进行故障诊断.仿真实验表明,该方法能有效地提取故障特征,不同的故障类型表现出不同的故障信息;与传统SVM相比,TWSVM的计算时间更短,分类效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘飞	江南大学物联网工程学院	236	964	13.0	17.0
2	陈珺	江南大学物联网工程学院	21	70	4.0	7.0
3	张曹	江南大学物联网工程学院	2	13	2.0	2.0