基于EEMD和PSO-SVM的齿轮箱故障诊断

• 作者: 傅国豪
• 来源期刊: 新一代信息技术
• 学科: 工学
• 关键词: 集合经验模态分解 粒子群优化算法 支持向量机 齿轮箱 故障诊断 能量熵
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 开发与应用
• 页码范围: 7-13
• 页数: 7页
• 分类号: TM614
• 字数: 2767字
• 语种: 中文

摘要

针对齿轮振动信号的非平稳非线性问题,提出了一种基于集合经验模态分解(EEMD)和支持向量机结合粒子群优化算法(PSO-SVM)的齿轮箱信号分析和故障诊断方法.首先利用小波包对原始信号进行去噪处理,将去噪信号进行EEMD分解,得到多个本征模函数(IMF).然后计算得到每个本征模函数的能量熵,用作支持向量机训练的特征向量.最后使用PSO优化参数的SVM和BP神经网络方法分别对故障数据进行诊断.实验结果表明,该方法可以有效地应用于齿轮箱的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅国豪		2	0	0.0	0.0