基于MCKD-EEMD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: 计算机测量与控制
• 关键词: 最大相关反褶积 总体平均经验模态分解 近似熵 双子支持向量机 齿轮箱故障诊断
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 13-16
• 页数: 4页
• 分类号: TP273
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2017.12.004

摘要

在复杂环境下齿轮箱信号往往会淹没在噪声信号中,特征向量难以提取;为了有效地进行故障诊断,提出了基于最大相关反褶积(MCKD)总体平均经验模态分解(EEMD)近似熵和双子支持向量机(TWSVM)的齿轮箱故障诊断方法;首先采用MCKD方法对强噪声信号进行滤波处理,在采用EEMD方法对齿轮箱信号进行分解,分解后得到本征模函数(IMF)分量进行近似熵求解,得到齿轮特征向量,最后将其输入到TWSVM分类器中进行故障识别;仿真实验表明,采用MCKD-EEMD方法能够有效地提取原始信号,与其他分类器相比,TWSVM的计算时间短,分类效果好等优点.

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	江南大学轻工过程先进控制教育部重点实验室	236	964	13.0	17.0
2	陈珺	江南大学轻工过程先进控制教育部重点实验室	21	70	4.0	7.0
3	张曹	江南大学轻工过程先进控制教育部重点实验室	2	13	2.0	2.0