收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于MEEMD多特征融合与LS-SVM的行星齿轮箱故障诊断

蔡波  黄晋英  杜金波  马健程  王智超  
【摘要】:针对行星齿轮箱振动信号非线性、非平稳性特点及故障特征难以有效提取的问题,提出基于改进的集成经验模态分解(MEEMD)多特征融合和最小二乘支持向量机(LS-SVM)的行星齿轮箱故障诊断方法。首先,利用MEEMD分解不同工况下的齿轮振动信号,得到一系列固有模态分量。其次,根据相关系数筛选出3阶敏感模态分量并计算对应的样本熵和能量,将二者融合组成高维特征向量,最后,将融合特征向量作为最小支持向量机(LSSVM)的输入,对齿轮进行故障分类。在行星齿轮箱实验台上开展实验,与基于单特征构成的特征向量进行对比,并与概率神经网络(PNN)分类算法进行对比,结果验证该方法的有效性和优越性。

知网文化
【相似文献】
中国期刊全文数据库 前19条
1 杨望灿;张培林;任国全;李俊;;基于模糊熵与LS-SVM的轴承故障诊断[J];机械强度;2014年05期
2 王田苗;王伟;魏洪兴;陈殿生;;装载机载重动态测量的LS-SVM速度补偿方法[J];北京航空航天大学学报;2007年11期
3 徐增丙;轩建平;史铁林;吴波;胡友民;;LS-SVM在基于小波变换的模态分析中端部效应的应用[J];中国机械工程;2008年13期
4 张亚靓;林郁;纪俊卿;孟祥川;许同乐;;LS-SVM与小波指数阈值结合的振动信号降噪[J];液压与气动;2020年03期
5 田立勇;张一辙;;基于MEEMD与ICA的污泥回流泵故障诊断[J];传感器与微系统;2020年07期
6 裴峻峰;董雪;黄显茹;于志远;;往复泵泵阀的谐波小波包分析及LS-SVM方法研究[J];机械设计与制造;2015年05期
7 陈龙;谭继文;姜晓瑜;;基于TESPAR和LS-SVM算法的滚动轴承退化趋势预测[J];煤矿机械;2017年08期
8 戴桂平;;基于EMD近似熵和LS-SVM的机械故障智能诊断[J];机械强度;2011年02期
9 王素兰;端木京顺;丛伟;;基于鲁棒多元LS-SVM的齿轮箱故障诊断方法[J];火力与指挥控制;2010年05期
10 金星;王照明;姜长泓;;基于LS-SVM的压缩机防喘振非线性模型预测控制[J];自动化与仪表;2015年09期
11 杜锦程;吴福森;陈丙三;;LS-SVM的核参数对概率筛筛分效率预测影响[J];福建工程学院学报;2021年01期
12 廖辉;乔东凯;;基于LS-SVM液压缸泄漏故障诊断方法的研究[J];机床与液压;2017年15期
13 吴育锋;朱文耀;王铭军;;基于小波包和改进多元LS-SVM的滚动轴承故障模式识别[J];西南师范大学学报(自然科学版);2014年01期
14 李鑫滨;陈云强;张淑清;;基于LS-SVM多分类器融合决策的混合故障诊断算法[J];振动与冲击;2013年19期
15 胡宏伟;周晓军;庞茂;;基于LS-SVM的火电厂给水泵组状态趋势预测研究[J];传感技术学报;2007年05期
16 边兵兵;;基于LCD降噪与LS-SVM的滚动轴承故障诊断方法[J];组合机床与自动化加工技术;2017年02期
17 赵磊;夏均忠;李泽华;于明奇;汪治安;;基于VMD样本熵和LS-SVM的滚动轴承故障诊断[J];军事交通学院学报;2017年04期
18 陈法法;李冕;陈保家;陈从平;;EEMD能量熵与优化LS-SVM的滚动轴承故障诊断[J];组合机床与自动化加工技术;2016年12期
19 王建国;陈帅;张超;;噪声参数最优ELMD与LS-SVM在轴承故障诊断中的应用与研究[J];振动与冲击;2017年05期
中国硕士学位论文全文数据库 前1条
1 原平;基于EMD近似熵和LS-SVM的齿轮箱故障诊断研究[D];中北大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978