基于极点对称模态分解 和支持向量机的船用齿轮箱故障诊断

• 作者: 张喻
• 来源期刊: 中国水运（上半月）
• 学科: 工学
• 关键词: 极点对称模态分解 支持向量机 奇异值 故障诊断
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 科技
• 页码范围: 43-46
• 页数: 4页
• 分类号: TH17
• 字数: 3231字
• 语种: 中文
• DOI: 10.13646/j.cnki.42-1395/u.2018.10.016

摘要

针对船用齿轮箱故障难以识别的问题,提出了将极点对称模态分解(Extreme-point Symmetric Mode Decomposition,ESMD)和支持向量机(Support Vector Machine,SVM)相结合的故障诊断方法.先将船用齿轮箱振动信号进行ESMD分解,可得到一系列模态和一条最佳自适应全局均线.以分解模态与原始信号的能量比值为相关度衡量标准,将相关度较高的前三个模态分别作奇异值分解并得到奇异值矩阵.经过归一化处理后,输入支持向量机训练获得多分类诊断模型,并进行测试.测试结果表明,相比经验模态分解(Empirical Mode Decomposition,EMD)与SVM结合的方法,本文的方法能更好地对船用齿轮箱故障作出诊断和预测.