基于LMD能量熵和支持向量机的齿轮箱故障诊断

摘要：

针对小样本情况下齿轮箱复合多种故障特征难以提取和分类的问题,提出了基于局部均值分解(LMD)能量熵和支持向量机(SVM)的故障诊断方法.首先利用LMD方法对采集的齿轮箱振动信号进行分解,得到有限个PF分量;然后根据不同故障下齿轮箱振动信号在频域区间内分布不均的特性,分析出PF分量能量在不同频域范围离散情况,即求出LMD能量熵;最后利用SVM多故障分类器对提取出的特征展开训练和测试,进行齿轮箱故障分类.实验结果显示,即使在小样本情况下,且同时存在非单一、多种齿轮箱故障时,基于LMD能量熵和SVM方法也可以对齿轮箱故障进行特征提取和精准分类,实现齿轮箱故障诊断.

关键词：齿轮箱、局部均值分解、能量熵、支持向量机

分类号：TH17

资助基金：国家重点研发计划;江苏省教育科学十三五规划课题;江苏省现代教育技术研究智慧校园专项课题;中央高校基本科研业务费专项资金资助项目

在线出版日期：2022-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：44-49