基于改进局部均值分解和流形学习的齿轮故障诊断研究

• 作者: 姚德臣 李熙 杨建伟 沈超
• 来源期刊: 机械传动
• 关键词: 齿轮故障 局部均值分解 模糊熵 流形学习 ISOMAP
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 开发应用
• 页码范围: 137-142
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.01.029

摘要

为更有效地利用齿轮振动信号进行故障诊断,提出基于改进局部均值分解(Local Mean Decomposition,LMD)和流形学习(ISOMAP)的齿轮故障特征提取方法.该方法将局部均值分解、模糊熵(Fuzzy Entropy,FE)和流形学习相结合.首先,利用LMD对原始振动信号进行多尺度分解,并在原LMD方法上添加自适应匹配波形以缓解端点效应对分解结果的影响;然后,对LMD分解后得到的乘积函数(Product Function,PF)进行模糊熵计算,获得原始信号不同尺度下的模糊熵数值,组成高维特征向量;最后,利用ISOMAP对高维特征向量进行二次特征提取,得到低维向量,进行故障识别.实际齿轮实验数据的处理结果表明该方法可以有效的诊断辨别齿轮故障,具有一定的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李熙		14	33	4.0	5.0
2	沈超		1	0	0.0	0.0
3	杨建伟		1	0	0.0	0.0
4	姚德臣		1	0	0.0	0.0