基于变分模态分解和符号熵的齿轮故障诊断方法

• 作者: 李梅红 连威
• 来源期刊: 机械传动
• 关键词: 变分模态分解 符号熵 支持向量机 故障诊断 齿轮
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 开发应用
• 页码范围: 161-165
• 页数: 5页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2019.03.032

摘要

为提高齿轮的故障诊断效果,提出了基于变分模态分解(Variational Modal Decomposition,VMD)和符号熵(Symbol Entropy,SE)的齿轮故障诊断方法.首先,利用VMD对齿轮故障振动信号进行分解,得到若干个本征模态分量(Intrinsic Mode Function,IMF);然后,计算IMF分量的符号熵,并将IMF符号熵组成齿轮故障特征向量;最后,将特征向量输入SVM进行故障诊断.齿轮故障诊断实测结果验证了该方法的有效性和优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李梅红	天津工业职业学院机械工程系	9	9	2.0	3.0
2	连威	重庆大学机械工程学院	1	1	1.0	1.0