基于EEMD-PSO-ELM的RV减速器故障诊断模型
为了准确评估旋转矢量(RV)减速器的工作状态,针对RV减速器故障不明显、样本数据少、难诊断的问题,首先从理论上证明RV减速器正常运行时扭矩传递时具有周期性,利用旋转机械测试信号周期演变特征和集成经验模态分解(EEMD)可以有效反映数据周期性的特点,提出一种基于EEMD的粒子群优化(PSO)算法的极限学习机(ELM)故障诊断模型,同时采用西安交通大学轴承实验数据集验证了模型性能.在此基础上,将RV减速机测试平台所测得的数据代入所提模型,最后与其他模型进行对比,结果显示所提模型能够更有效地判断出RV减速机的工作状态.
旋转矢量减速器、集成经验模态分解、粒子群优化算法、极限学习机、故障诊断
29
TH13;TP181
安徽省自然科学基金面上资助项目;安徽工程大学引进人才科研启动基金资助项目;减速器隐性故障诊断应用性能提升技术资助项目;安徽工程大学-鸠江区产业协同创新专项基金资助项目;安徽省智能机器人信息融合与控制工程实验室开放课题资助项目
2023-02-24(万方平台首次上网日期,不代表论文的发表时间)
共12页
224-235