变量预测模型在齿轮故障诊断中的应用

摘要：

将基于变量预测模型的模式识别(variable predictive model based class discriminate,简称VPMCD)方法、经验模态分解(empirical mode decomposition,简称EMD)方法和奇异值分解(singular value decomposition,简称SVD)相结合,提出了一种基于EMD,SVD和VPMCD的齿轮故障的诊断方法.首先,对齿轮振动信号进行EMD分解,得到若干个IMF(intrinsic mode function,简称IMF)分量；其次,将包含齿轮主要故障信息的前几个IMF分量组成特征向量矩阵,并对其进行SVD分解；最后,将奇异值作为特征向量建立VPMCD多故障分类器,以此来区分齿轮的工作状态和故障类型.将提出的方法应用于齿轮实验数据,分析结果表明,该方法能够实现齿轮故障类型的分类和诊断,是一种有效可行的齿轮故障诊断方法.

关键词：变量预测模型、经验模态分解、奇异值、齿轮、故障诊断

所属期刊栏目：33

分类号：TH165.3;TH132.41

资助基金：国家自然科学基金资助项目51175158,51075131;湖南省自然科学基金资助项目11JJ2026

在线出版日期：2013-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：111-114