針對自動機故障診斷過程中振動信號故障特征較難提取的問題,提出了結(jié)合形態(tài)分量分析（MCA）和總體經(jīng)驗?zāi)B(tài)分解（EEMD）的自動機故障特征提取方法。根據(jù)自動機振動信號組成成分的形態(tài)差異,利用形態(tài)分量分析方法構(gòu)建不同的稀疏字典對各組成成分進行分離,消除噪聲分量,提取出反映主要故障特征的沖擊分量;對所提取的沖擊分量進行EEMD分解并計算各IMF分量的樣本熵值,以此作為故障特征向量輸入基于離子群優(yōu)化的支持向量機（PSO-SVM）進行識別。通過自動機典型故障診斷試驗表明:形態(tài)分量分析方法可有效分離出自動機振動信號中的沖擊成分;同時,所提出的特征提取方法能夠有效地進行自動機故障診斷。 

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]基于改進型支持向量機的偵察無人機作戰(zhàn)效能評估[J]. 陳俠,胡乃寬.  火力與指揮控制. 2018(10)
[2]SVM與PSOHF參數(shù)優(yōu)化裝備機械傳動齒輪故障診斷[J]. 仝蕊,康建設(shè).  火力與指揮控制. 2018(10)
[3]基于改進EMD的信號降噪方法[J]. 王強,王莉,陳晨,李偉偉.  火力與指揮控制. 2017(08)
[4]基于沖擊響應(yīng)譜特征提取的自動機裂紋故障診斷[J]. 李海廣,潘宏俠,任海鋒.  兵工學報. 2016(09)
[5]獨立分量分析在自動機振動信號處理中的應(yīng)用[J]. 許昕,潘宏俠,潘銘志.  振動.測試與診斷. 2016(01)
[6]雙樹復(fù)小波域MCA降噪在齒輪故障診斷中的應(yīng)用[J]. 胥永剛,趙國亮,馬朝永,侯少飛.  航空動力學報. 2016(01)
[7]基于排列熵和SVM的自動機故障診斷[J]. 曹滿亮,潘宏俠.  機械設(shè)計與研究. 2015(05)
[8]基于EEMD的多尺度模糊熵的齒輪故障診斷[J]. 楊望燦,張培林,王懷光,陳彥龍,孫也尊.  振動與沖擊. 2015(14)
[9]基于EEMD信息熵和PSO-SVM的自動機故障診斷[J]. 李莎,潘宏俠,都衡.  機械設(shè)計與研究. 2014(06)
[10]基于局域波降噪和雙譜分析的自動機故障診斷研究[J]. 潘宏俠,蘭海龍,任海峰.  兵工學報. 2014(07)



本文編號：3710716