车辆与动力技术
車輛與動力技術
차량여동력기술
VEHICLE & POWER TECHNOLOGY
2013年
4期
39-43
,共5页
聚合经验模态分解%Hilbert二维边际谱熵%小波降噪%支持向量机%故障诊断
聚閤經驗模態分解%Hilbert二維邊際譜熵%小波降譟%支持嚮量機%故障診斷
취합경험모태분해%Hilbert이유변제보적%소파강조%지지향량궤%고장진단
针对信号经验模态分解(EMD)过程中存在波形混叠现象,提出一种基于聚合经验模态分解(EEMD)和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断.首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机(SVM)的输入量,建立故障诊断模型.经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性.
針對信號經驗模態分解(EMD)過程中存在波形混疊現象,提齣一種基于聚閤經驗模態分解(EEMD)和Hilbert二維邊際譜熵相結閤的方法對齒輪箱故障進行分類故障診斷.首先使用小波閾值分析對揹景譟聲較大的齒輪箱振動信號進行預處理;其次對預處理信號進行分解,得到IMF分量,對比正常信號與故障信號的區彆;最後對3種工況信號進行Hilbert變換併計算得到邊際譜,併且提取二維邊際譜熵作為支持嚮量機(SVM)的輸入量,建立故障診斷模型.經測試該方法在齒輪箱故障診斷方麵有著較彊的分類能力和診斷精度,具有一定的可行性.
침대신호경험모태분해(EMD)과정중존재파형혼첩현상,제출일충기우취합경험모태분해(EEMD)화Hilbert이유변제보적상결합적방법대치륜상고장진행분류고장진단.수선사용소파역치분석대배경조성교대적치륜상진동신호진행예처리;기차대예처리신호진행분해,득도IMF분량,대비정상신호여고장신호적구별;최후대3충공황신호진행Hilbert변환병계산득도변제보,병차제취이유변제보적작위지지향량궤(SVM)적수입량,건립고장진단모형.경측시해방법재치륜상고장진단방면유착교강적분류능력화진단정도,구유일정적가행성.
