地址:江苏省常州市武进区科教城常武中路801号现代工业中心1号楼2层 邮编:213164
技术支持:常州大学信息化建设与管理中心
基于多维度特征表征与SVM的齿轮故障诊断
发布时间: 2022-08-14 访问次数: 14
《基于多维度特征表征与SVM的齿轮故障诊断》
技术简介:
针对旋转机械中齿轮故障诊断问题,为尽可能提高故障诊断准确性,提出了一种基于多维度特征表征与支持向量机(SVM)的齿轮故障诊断方法。首先,从不同维度分别使用小波包、单一能量、变分模态分解以及集合经验模态分解四种特征提取方法提取齿轮振动信号的特征;其次,将提取的特征信息按照一定的方式进行特征融合表征;最后,采用SVM分类方法对齿轮的运行状态(正常状态,轻微故障,中等故障,断齿故障)进行评估,从而实现齿轮故障诊断。通过多组特征融合表征研究分析表明,多维度融合的特征表征较单一维度特征信息更能够有效地反映齿轮运行状态,有助于进一步提高齿轮故障诊断准确率。
研发人员:潘礼正;朱大帅;佘世刚;