基于LMD样本熵与ELM的行星齿轮箱故障诊断

• 作者: 张宁 徐晋宏 魏秀业
• 来源期刊: 机械传动
• 关键词: 行星齿轮箱 局域均值分解 样本熵 极限学习机 故障诊断
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 开发应用
• 页码范围: 152-157
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2020.04.024

摘要

为了解决行星齿轮箱故障特征提取困难的问题,考虑到行星齿轮箱振动信号的耦合、非线性的特点,提出基于局域均值分解(LMD)的样本熵和极限学习机(ELM)结合的行星齿轮箱故障诊断方法.首先,利用局域均值分解方法将振动信号自适应地分解为多个PF分量,结合相关系数选取包含主要故障信息的前4个PF分量.其次,应用样本熵方法进行计算,组成特征向量.最后,将特征向量输入极限学习机进行故障分类.在行星齿轮箱实验台上进行了实验,与基于概率神经网络(PNN)分类算法进行了对比,并与基于奇异值分解(SVD)构成的特征向量进行了对比,结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏秀业	中北大学机械工程学院	28	357	10.0	18.0
3	张宁	中北大学机械工程学院	11	7	2.0	2.0
9	徐晋宏	中北大学机械工程学院	2	2	1.0	1.0