VMD复合熵值法在齿轮故障诊断中的应用

• 作者: 周小龙 张耀娟 王尧 陈思 马风雷
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 齿轮 故障诊断 变分模态分解 复合熵值法 最小二乘支持向量机
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 设计与研究
• 页码范围: 43-46,51
• 页数: 5页
• 分类号: TH17|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.02.011

摘要

针对齿轮实际工况复杂、故障特征难以提取的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)复合熵值法的故障诊断方法.首先,采用VMD方法对不同工况下齿轮振动信号进行分解,并对分解过程中关键参数的选择进行了研究;其次,根据频域互相关系数准则筛选出可有效表征齿轮状态特征的固有模态函数(Intrinsic Mode Function,IMF)进行信号重构,为反映齿轮信号在不同尺度上的时-频细节复杂度特征,计算重构信号的样本熵、奇异值熵、功率谱熵和能量熵,形成高维状态特征向量;最后,将高维状态特征向量作为最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)的输入,对齿轮的工作状态和故障类型进行识别分类.通过实测齿轮信号的分析,结果表明,该方法能够有效实现齿轮故障的诊断.