基于变分模态分解和ANFIS的齿轮故障诊断

• 作者: 周国旺 李佳 贾文慧 郑小霞
• 来源期刊: 机械传动
• 关键词: 变分模态分解 自适应神经模糊推理系统 齿轮 排列熵 故障诊断
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 开发应用
• 页码范围: 149-154
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.03.031

摘要

针对齿轮振动信号的传递路径复杂,噪声污染严重,故障特征信息微弱等问题,提出了基于变分模态分解和自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)的故障诊断方法.将原始振动信号利用变分模态分解得到不同尺度的本征模态函数后,通过提取各模态函数的排列熵,构造出表征模态分量信息的特征向量,并将提取的特征向量输入自适应神经模糊推理系统进行训练,建立齿轮故障诊断模型.最后通过齿轮实验故障数据对模型进行验证,并与支持向量机(Support Vector Machine,SVM)识别方法进行对比,结果表明,提出方法具有很强的学习能力,能够有效地对齿轮故障进行诊断,提高故障识别的准确率,识别效果明显优于SVM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑小霞		31	287	9.0	16.0
2	李佳		8	43	4.0	6.0
3	周国旺		3	66	2.0	3.0
4	贾文慧		3	7	1.0	2.0