基于MRSVD能量特征和KFCM的齿轮箱复合故障诊断

• 作者: 付志敏 梁海英 潘宏侠 许昕
• 来源期刊: 机械传动
• 关键词: 齿轮箱 多分辨奇异值分解 能量特征 模糊核聚类 故障诊断
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 试验分析
• 页码范围: 128-132
• 页数: 5页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2019.09.022

摘要

针对齿轮箱复合故障信号成分复杂和故障特征难以识别的问题,提出基于多分辨奇异值分解(MRSVD)能量特征和模糊核聚类(KFCM)的齿轮箱复合故障诊断方法.首先,采集齿轮箱不同工况下的振动信号,通过进行MRSVD分解得到1个相似信号和5个细节信号;然后,提取6个分量信号的能量特征并进行归一化处理,得其能量相对值;最后,使用KFCM进行故障诊断.实验结果表明,MRSVD能量特征提取方法可有效提取齿轮箱复合故障特征,且KFCM可准确诊断齿轮箱复合故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘宏侠	中北大学机械工程学院	359	2630	23.0	34.0
2	许昕	中北大学机械工程学院	20	40	4.0	6.0
3	梁海英	中北大学机械工程学院	6	2	1.0	1.0
4	付志敏	中北大学机械工程学院	7	2	1.0	1.0