基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
风机发电的齿轮箱振动检测和故障诊断是保证风机正常工作的基础。本文提出采用经验模式分解(EMD)和支持向量机(SVM)相结合的方式,对风机齿轮箱故障进行振动检测和诊断。把采集到的信号运用EMD技术处理,对得到的本征模式函数(IMF)求能量并进行归一化处理;用SVM对IMF所得的能量信号分类,从而判别故障信号和无故障信号。模拟实验结果证明了本方法的准确性和可行性。
推荐文章
基于EMD分解和支持向量机的齿轮箱故障诊断与研究
齿轮箱
故障诊断
EMD
支持向量机
基于MED-SVM的齿轮箱故障诊断方法
最小熵反褶积
支持向量机
特征提取
交叉验证
故障诊断
基于MF-DFA和SVM的齿轮箱故障诊断
多重分形
去趋势波动分析
支持向量机
故障诊断
基于EMD-SVD与PNN的行星齿轮箱故障诊断研究
行星齿轮箱
经验模态分解
奇异值分解
概率神经网络
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 EMD-SVM结合对风机齿轮箱振动检测与故障诊断
来源期刊 郑州师范教育 学科 工学
关键词 EMD SVM 齿轮箱 故障诊断
年,卷(期) zzsfjy_2020,(4) 所属期刊栏目
研究方向 页码范围 6-9
页数 4页 分类号 TH165.3
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (0)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(6)
  • 参考文献(6)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
EMD
SVM
齿轮箱
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
郑州师范教育
双月刊
2095-3488
41-1419/G4
大16开
2012
chi
出版文献量(篇)
1147
总下载数(次)
8
论文1v1指导