10.13465/j.cnki.jvs.2020.10.023
基于VMD-DE的坦克行星变速箱故障诊断方法研究
为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法.利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别.通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短.与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳.
行星变速箱、故障诊断、变分模态分解(VMD)、散布熵(DE)、粒子群优化(PSO)、支持向量机(SVM)
39
TH17
2020-06-17(万方平台首次上网日期,不代表论文的发表时间)
共10页
170-179