ELMD熵特征融合与PSO-SVM在齿轮故障诊断中的应用

• 作者: 何园园 张超 朱腾飞
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: ELMD PSO 支持向量机 能量熵 故障诊断
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 271-276
• 页数: 6页
• 分类号: TG156
• 字数: 3864字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20180171

摘要

提出基于ELMD熵特征融合与PSO-SVM的齿轮故障诊断方法.该方法首先对原始信号进行总体局部均值分解(Ensemble local mean decomposition,ELMD),得到若干乘积函数(PF);其次,对ELMD分解得到的前5个PF分量进行求取能量熵和近似熵,并利用KPCA对其进行特征融合;然后,选取部分融合特征作为训练样本,其余作为测试样本;最后,利用PSO优化的支持向量机对融合特征样本进行训练与测试.实验中,将单特征和融合特征分别进行SVM和PSO-SVM识别精度的对比.实验结果证明,所提方法可有效地应用在齿轮故障诊断中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张超	内蒙古科技大学机械工程学院	63	448	11.0	20.0
2	何园园	内蒙古科技大学机械工程学院	4	9	2.0	3.0
3	朱腾飞	内蒙古科技大学机械工程学院	4	5	1.0	2.0