基于EMD-SVD与PNN的行星齿轮箱故障诊断研究

• 作者: 卫洁洁 庞宇 张安安 黄晋英
• 来源期刊: 机械传动
• 关键词: 行星齿轮箱 经验模态分解 奇异值分解 概率神经网络 故障诊断
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 开发应用
• 页码范围: 160-165
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.12.030

摘要

针对行星齿轮箱振动信号故障特征提取困难的问题,提出了一种基于EMD-SVD与概率神经网络相结合的故障诊断方法.首先,利用经验模态分解方法将去噪后的振动信号自适应地分解为多个本征模函数.其次,利用相关系数和方差贡献率选取一定量的本征模函数,并将其构成的矩阵进行奇异值分解得到特征向量.最后,将特征向量输入概率神经网络进行故障诊断.在行星齿轮箱故障诊断实验台上进行了实验,并与基于能量熵构成的特征向量进行了对比,结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄晋英		88	506	11.0	17.0
2	卫洁洁		5	19	2.0	4.0
3	张安安		4	1	1.0	1.0
4	庞宇		1	0	0.0	0.0