计量技术
計量技術
계량기술
MEASUREMENT TECHNIQUE
2015年
5期
3-6,13
,共5页
柏文琦%李林峰%陈红江%宋玉倩%赵军%孔明
柏文琦%李林峰%陳紅江%宋玉倩%趙軍%孔明
백문기%리림봉%진홍강%송옥천%조군%공명
经验模式分解( EMD)%支持向量机( SVM)%齿轮%故障诊断
經驗模式分解( EMD)%支持嚮量機( SVM)%齒輪%故障診斷
경험모식분해( EMD)%지지향량궤( SVM)%치륜%고장진단
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。
齒輪故障信號具有不平穩特性,故障信號特徵嚮量難提取,典型的齒輪故障數據樣本少。針對這些問題,本文提齣基于經驗模式分解( EMD)和支持嚮量機( SVM)相結閤的診斷方法。首先通過傳感器採集得到加速度信號,再通過EMD分解將加速度信號分解成多箇穩定的本徵模態函數信號( IMFs)。因為SVM能夠在小樣本集情況下建立決策規則,所以將IMFs的前幾項作為特徵嚮量輸入SVM訓練,對樣本訓練、測試併診斷故障。齒輪故障診斷實驗結果錶明:本文所提齣方法診斷準確率達92.5%,可實現齒輪故障信息提取和齒輪故障的有效診斷。
치륜고장신호구유불평은특성,고장신호특정향량난제취,전형적치륜고장수거양본소。침대저사문제,본문제출기우경험모식분해( EMD)화지지향량궤( SVM)상결합적진단방법。수선통과전감기채집득도가속도신호,재통과EMD분해장가속도신호분해성다개은정적본정모태함수신호( IMFs)。인위SVM능구재소양본집정황하건립결책규칙,소이장IMFs적전궤항작위특정향량수입SVM훈련,대양본훈련、측시병진단고장。치륜고장진단실험결과표명:본문소제출방법진단준학솔체92.5%,가실현치륜고장신식제취화치륜고장적유효진단。