CAJ | 학술논문

齿轮故障信号具有不平稳特性，故障信号特征向量难提取，典型的齿轮故障数据样本少。针对这些问题，本文提出基于经验模式分解（ EMD）和支持向量机（ SVM）相结合的诊断方法。首先通过传感器采集得到加速度信号，再通过EMD分解将加速度信号分解成多个稳定的本征模态函数信号（ IMFs）。因为SVM能够在小样本集情况下建立决策规则，所以将IMFs的前几项作为特征向量输入SVM训练，对样本训练、测试并诊断故障。齿轮故障诊断实验结果表明：本文所提出方法诊断准确率达92.5％，可实现齿轮故障信息提取和齿轮故障的有效诊断。
치륜고장신호구유불평은특성，고장신호특정향량난제취，전형적치륜고장수거양본소。침대저사문제，본문제출기우경험모식분해（ EMD）화지지향량궤（ SVM）상결합적진단방법。수선통과전감기채집득도가속도신호，재통과EMD분해장가속도신호분해성다개은정적본정모태함수신호（ IMFs）。인위SVM능구재소양본집정황하건립결책규칙，소이장IMFs적전궤항작위특정향량수입SVM훈련，대양본훈련、측시병진단고장。치륜고장진단실험결과표명：본문소제출방법진단준학솔체92.5％，가실현치륜고장신식제취화치륜고장적유효진단。