基于IWT_SE与GA_SVM的齿轮磨损检测

• 作者: 刘秀丽 张雪英 栾忠权
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 改进小波阈值 样本熵 支持向量机
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 设计与研究
• 页码范围: 74-77
• 页数: 4页
• 分类号: TH165+.3|TG61
• 字数: 2874字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2019.04.018

摘要

为了实现齿轮运行过程中的磨损程度准确识别,提出了基于改进小波阈值样本熵(IWT_SE)与遗传算法优化支持向量机(GA_SVM)的齿轮磨损程度检测方法.首先,对齿轮振动信号进行改进小波阈值降噪;其次,计算降噪后信号的样本熵,组成特征向量;最后,将特征向量输入基于GA_SVM建立的分类器进行故障识别分类.通过齿轮实验数据分析了算法中的参数选取问题;将该方法用于齿轮实验数据,并与传统小波阈值函数样本熵分别与BPNN,PNN,SVM,PSO_SVM相结合的方法进行对比分析,结果表明,IWT_SE与GA-SVM相结合时识别准确率最高,达95％,证明文中所提方法对齿轮磨损程度识别具有一定实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	栾忠权	北京信息科技大学现代测控技术教育部重点实验室	50	129	6.0	8.0
2	张雪英	北京信息科技大学现代测控技术教育部重点实验室	9	31	2.0	5.0
3	刘秀丽	北京信息科技大学现代测控技术教育部重点实验室	21	81	4.0	8.0