FPCA和径向基极限学习机的齿轮箱故障检测方法

• 作者: 刘文翰 张文兴 王建国
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 齿轮箱 故障检测 函数型 函数型主成分分析 极限学习机
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 机械动力学
• 页码范围: 1872-1876
• 页数: 5页
• 分类号: TH17
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190350

摘要

为了克服在数据处理中出现的信息缺失和冗余以及在故障检测上准确率较低等缺陷,利用函数型主成分所具有的鲁棒性和稳定性强的优点来弥补极限学习机在稳定性方面的不足,结合径向基极限学习机,提出了一种基于FPCA(函数型主成分分析)-RBF(径向基函数)-ELM(极限学习机)的齿轮箱故障检测方法.首先用基函数对原始数据进行预处理,然后应用FPCA提取特征信息建立RBF-ELM齿轮诊断模型,最后利用行星齿轮箱实验数据验证故障检测性能,并与FPCA、FPCA-SVDD和PCA-RBF-ELM的行星齿轮箱故障检测结果对比.结果表明:FPCA-RBF-ELM检测率最高且检测效率快,可用于行星齿轮箱的故障检测,此方法具有可行性和有效性.