振动监测技术在齿轮裂纹故障诊断中的应用

• 作者: 王二化 刘忠杰 刘颉
• 来源期刊: 组合机床与自动化加工技术
• 关键词: 齿轮裂纹 故障诊断 小波包变换 支持向量机 粒子群优化
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 控制与检测
• 页码范围: 126-129
• 页数: 4页
• 分类号: TH16|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.04.030

摘要

在对一级齿轮箱的振动信号进行快速傅里叶变换和小波包变换的基础上,提取各个小波包系数的峭度和偏态,并选择分辨率较高的小波包系数的峭度和偏态作为齿轮裂纹的故障特征.最后通过基于粒子群优化算法(Particle swarm optimization,PSO)的支持向量机(Support vector machine,SVM)模型进行齿轮裂纹故障特征分类,其中,PSO主要用来优化SVM模型的核函数的关键参数,避免出现局部最优和过拟合的问题.计算结果表明,和其它算法相比,提出的齿轮裂纹故障诊断方法在分类精度和计算效率方面具有综合优势.