10.3969/j.issn.1006-9348.2020.01.085
基于WP-ICA及SVM的齿轮故障诊断研究
针对旋转机械设备齿轮故障诊断问题,为全面提取反映齿轮运行状态的特征信息,提出了基于WP(小波包)与ICA(独立成分分析)相融合的特征提取及SVM(支持向量机)相适配的故障诊断方法.用小波包对信号进行分析并提取其能量特征,采用独立成分分析方法对提取的能量特征进一步优化,进而得到反映齿轮运行状态的特征向量.最后采用支持向量机对齿轮运行状态的四种类型(正常、轻微故障、中等故障、断齿故障)进行诊断评估.通过纵向比较和横向比较研究表明,所提特征提取方法较单一的小波包特征提取方法更能全面反映齿轮状态信息.采用SVM方法进行齿轮故障模式诊断,较其它方法具有更高的分类准确率,达到了很好的诊断效果.
齿轮、故障诊断、小波包、独立成分分析、支持向量机
37
TP277(自动化技术及设备)
国家自然科学基金资助项目;江苏省远程测量与控制重点实验室开放基金;常州市科技支撑计划资助项目
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
411-416,483